<![CDATA[ABSTRAKPenggunaan Field Programmable Gate Array (FPGA) untuk implementasi artificial neural network memberikan fleksibilitas dalam sistem pemrograman. Implementasi digital pada artificial neural network menggunakan FPGA dan menggunakan fungsi aktivasi nonlinier. VHDL digunakan untuk mengimplementasikan artificial neural network pada FPGA Xilinx XC3S500E-FG320 dengan perangkat lunak Xilinx ISE Webpack 8.2i. Kecepatan operasi FPGA Xilinx XC3S500E-FG320 dapat ditingkatkan dengan menggunakan metode lookup table (LUT). Jumlah LUT yang digunakan untuk perancangan artificial neural network dengan 3 neuron pada lapisan input, 4 neuron pada lapisan output dengan 1 neuron pada lapisan tersembunyi adalah sebesar 1407 LUT, untuk 5 neuron pada lapisan tersembunyi sebesar 4549 LUT, untuk 10 neuron pada lapisan tersembunyi sebesar 6378 LUT dan untuk 15 neuron pada lapisan tersembunyi sebesar 10084 LUT. Sistem dentifikasi odor, dilengkapi dengan sensor resonator kuarsa, pengkondisi sinyal, FPGA dan display. Model Multi Layer Perceptron (MLP) dengan metode pembelajaran Back Propagation (BP) yang digunakan untuk klasifikasi odor. Artificial neural network terdiri dari 3 neuron pada lapisan input, 10 neuron pada lapisan tersembunyi dan 4 neuron pada lapisan output yang diimplementasikan pada FPGA. Tingkat keberhasilan artificial neural network untuk identifikasi amoniak sebesar 93%, untuk pertamax sebesar 90%, untuk alkohol sebesar 92% dan untuk minyak tanah sebesar 85%.Kata kunci : Odor, sistem identifikasi odor, Artificial neural network, dan FPGA.]]>
Copyrights © 2015
