PREDIKSI FREKUENSI MAKSIMUM LAPISAN E SPORADIS MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS METODE BACKPROPAGATION

Aman D Sitanggang, - (2009) PREDIKSI FREKUENSI MAKSIMUM LAPISAN E SPORADIS MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS METODE BACKPROPAGATION. S1 thesis, Universitas Pendidikan Indonesia.

Baca Full Text klik disini
[img] Text
s_pfis_044116_table_of_content.pdf
Download (250kB)
[img] Text
s_pfis_044116_chapter1.pdf
Download (272kB)
[img] Text
s_pfis_044116_chapter2.pdf
Restricted to Staf Perpustakaan
Download (374kB)
[img] Text
s_pfis_044116_chapter3.pdf
Download (393kB)
[img] Text
s_pfis_044116_chapter4.pdf
Restricted to Staf Perpustakaan
Download (379kB)
[img] Text
s_pfis_044116_chapter5.pdf
Download (255kB)
[img] Text
s_pfis_044116_bibliography.pdf
Download (245kB)
Official URL: http://repository.upi.edu

Abstract

Kelancaran komunikasi radio sangat ditentukan oleh keadaan lapisan E sporadis yang merupakan bagian dari lapisan ionosfer. Lapisan E sporadis memiliki frekuensi maksimum yang sering disebut dengan foEs. Jaringan saraf tiruan berbasis metode backpropagation merupakan salah satu metode dalam memprediksikan foEs tersebut. Penelitian akan diawali dengan input data masukan yang terdiri dari data foEs, F10.7, dan ZHR, kemudian pendesainan jaringan, pemilihan arsitektur dan inisialisasi jaringan, serta tahap yang lebih penting adalah pelatihan dan pengujian jaringan. Tiga macam jaringan saraf tiruan yang dikembangkan berdasarkan data masukan yaitu A-I, A-II, dan A-III. Data latih yang digunakan adalah data pengamatan bulan Mei 2007 pukul 18.00 WIB, 19.00 WIB, dan 20.00 WIB. Sedangkan data untuk pengujian adalah data pengamatan bulan Agustus 2005, April 2006, dan Januari 2008 pada jam yang sama. Hasil pengamatan dan pengujian menunjukkan bahwa A-III adalah jaringan saraf tiruan yang memberikan prediksi terbaik dibandingkan dengan jaringan saraf tiruan yang lainnya dengan bilangan belajar (η) 0,3 dan momentum 0,8 serta rataan galat prediksi sekitar 0,028 MHz. Harga 0,3 merupakan bilangan belajar yang dapat digunakan untuk ketiga jaringan dan memberikan iterasi konvergen. Hasil lainnya adalah bahwa jaringan yang hanya memasukkan fluks F10.7 sebagai prediktor (A-I) menghasilkan kesalahan prediksi lebih besar daripada jaringan neural yang menggunakan F10.7 dan ZHR sebagai masukan (A-II). Hal ini menunjukka bahwa penentuan masukan dalam jaringan harus mempertimbangkan faktor-faktor yang memang berpengaruh terhadap parameter yang diprediksi.

Item Type: Thesis (S1)
Additional Information: ID SINTA Dosen Pembimbing WAWAN SETIAWAN: 5977494 JIYO: -
Uncontrolled Keywords: Lapisan E Sporadis, foEs, Jaringan Saraf Tiruan.
Subjects: L Education > L Education (General)
Q Science > QC Physics
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Fisika
Depositing User: Hikmal Fajar Fardyan
Date Deposited: 18 Oct 2023 07:37
Last Modified: 18 Oct 2023 07:37
URI: http://repository.upi.edu/id/eprint/110643

Actions (login required)

View Item View Item