Purwa Hasan Putra | Universitas Potensi Utama (original) (raw)

Uploads

Papers by Purwa Hasan Putra

Research paper thumbnail of ALGORITMA CLOSEST PAIR PADA PROSES PERBANDINGAN DATA HASIL PEMBACAAN SENSOR WARNA TCS3200

Sensor warna TCS3200 memiliki beberapa kelebihan, yaitu: murah, akurat, dan dapat diaplikasikan d... more Sensor warna TCS3200 memiliki beberapa kelebihan, yaitu: murah, akurat, dan dapat diaplikasikan di berbagai bidang. Banyak penelitian yang menggunakan sensor warna TCS3200 namun belum ada penelitian yang membahas mengenai algoritma yang digunakan pada proses perbandingan data hasilnya. Pada penelitian ini digunakan algoritma closest pair point untuk membandingkan data hasil pembacaan sensor warna TCS3200. Algoritma ini tidak dapat langsung diterapkan pada perbandingan nilai RGB hasil pembacaan sensor warna TCS3200, untuk itu diperlukan pengembangan dari algoritma tersebut. Pengembangan algoritma closest pair point dilakukan dengan mengubah komponen x dan y menjadi komponen RGB. Dari hasil penelitian dapat disimpulkan bahwa algoritma closest pair point dapat dikembangkan untuk membandingkan data hasil pembacaan sensor warna TCS3200, tingkat keberhasilan algoritma closest pair point dalam mengenali warna dari sensor TCS3200 sangat baik mencapai 93,75 % dan tingkat kesalahannya hanya 6,25 %.

Kata Kunci : Algoritma closest pair point, Sensor Warna, TAOSTM TCS3200D, DT Sense
Color.

Abstract
TCS3200 color sensor has several advantages, namely: inexpensive, accurate, and can be applied in various fields. Many research that use color sensor TCS3200 but no research have discussed yet the algorithms that is used in the comparison of the data results. This research was used closest pair point algorithm for comparing the data from TCS3200 color sensor readings. This algorithm can not be directly applied to the comparison of RGB from TCS3200 color sensor readings, it is necessary for improving the algorithm. Closest pair point algorithm improving is done by changing the x and y components to the RGB components. From the research it can be concluded the closest pair point algorithm can be improving to compare the data from TCS3200 color sensor readings, the success rate of the closest pair point algorithm to recognize the TCS3200 color sensor is very good reach 93.75% and the error rate is only 6.25%.

Keywords: Closest pair point algorithm, Color sensor, TAOSTM TCS3200D, DT Sense Color.

Research paper thumbnail of Analisis Penggunaan Elemen Primitif Dan Non Primitif Pada Algoritma Elgamal

Research paper thumbnail of Analisis Ketahanan Citra Stego Metode Lsb, Lsb+1, Lsb+2 Dan Msb Terhadap Perubahan Kontras Citra

Research paper thumbnail of PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN PENDIRIAN LOKASI GRAMEDIA DI SUMATERA UTARA

Research paper thumbnail of ANALISIS VARIASI JUMLAH INPUT DAN HIDDEN LAYER PADA PREDIKSI TEMPERATUR KOTA MEDAN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

KNS&I, Nov 8, 2014

Tingkat pemanasan rata-rata selama lima puluh tahun terakhir hampir dua kali lipat dari rata-rata... more Tingkat pemanasan rata-rata selama lima puluh tahun terakhir hampir dua kali lipat dari rata-rata seratus tahun terahir, dimana pemanasan lebih dirasakan pada daerah daratan daripada lautan. Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi temperatur dengan metode backpropagation. Pada penelitian ini, penulis mencoba menganalisis variasi jumlah input dan hidden layer untuk memprediksi temperatur di kota medan menggunakan metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan antara lain : Pengujian dengan data input 4 memiliki akurasi yang lebih baik dibandingkan dengan data input 3, 5, 6, 7, 8 dan 9. Nilai akurasi tertinggi didapat dari pengujian dengan data input 4 dan jumlah hidden 8 pada target error 0.099 yaitu 88.63%. Data input dan jumlah hidden yang berbeda maka jumlah iterasi juga berbeda. Jumlah hidden layer yang lebih besar tidak selalu menyebabkan jumlah iterasi meningkat. Pada hasil prediksi rata-rata temperatur tertinggi pada tahun 2018 terjadi pada bulan 5 yaitu 32.4o C.

Kata Kunci: temperature, backpropagation, neural network

Research paper thumbnail of ANALISIS PENGGUNAAN DATA BINER DAN BIPOLAR DALAM MENGENALI GERBANG LOGIKA MENGGUNAKAN METODE BACKPROPAGATION

Research paper thumbnail of ANALISIS PENGARUH NILAI CENTROID TERHADAP JUMLAH ITERASI DENGAN MENGGUNAKAN METODE CLUSTERING (STUDI KASUS PT. PHP MOTOR)

Research paper thumbnail of ANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Research paper thumbnail of ANALISIS VARIASI NILAI MOMENTUM DALAM PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Research paper thumbnail of ALGORITMA CLOSEST PAIR PADA PROSES PERBANDINGAN DATA HASIL PEMBACAAN SENSOR WARNA TCS3200

Sensor warna TCS3200 memiliki beberapa kelebihan, yaitu: murah, akurat, dan dapat diaplikasikan d... more Sensor warna TCS3200 memiliki beberapa kelebihan, yaitu: murah, akurat, dan dapat diaplikasikan di berbagai bidang. Banyak penelitian yang menggunakan sensor warna TCS3200 namun belum ada penelitian yang membahas mengenai algoritma yang digunakan pada proses perbandingan data hasilnya. Pada penelitian ini digunakan algoritma closest pair point untuk membandingkan data hasil pembacaan sensor warna TCS3200. Algoritma ini tidak dapat langsung diterapkan pada perbandingan nilai RGB hasil pembacaan sensor warna TCS3200, untuk itu diperlukan pengembangan dari algoritma tersebut. Pengembangan algoritma closest pair point dilakukan dengan mengubah komponen x dan y menjadi komponen RGB. Dari hasil penelitian dapat disimpulkan bahwa algoritma closest pair point dapat dikembangkan untuk membandingkan data hasil pembacaan sensor warna TCS3200, tingkat keberhasilan algoritma closest pair point dalam mengenali warna dari sensor TCS3200 sangat baik mencapai 93,75 % dan tingkat kesalahannya hanya 6,25 %.

Kata Kunci : Algoritma closest pair point, Sensor Warna, TAOSTM TCS3200D, DT Sense
Color.

Abstract
TCS3200 color sensor has several advantages, namely: inexpensive, accurate, and can be applied in various fields. Many research that use color sensor TCS3200 but no research have discussed yet the algorithms that is used in the comparison of the data results. This research was used closest pair point algorithm for comparing the data from TCS3200 color sensor readings. This algorithm can not be directly applied to the comparison of RGB from TCS3200 color sensor readings, it is necessary for improving the algorithm. Closest pair point algorithm improving is done by changing the x and y components to the RGB components. From the research it can be concluded the closest pair point algorithm can be improving to compare the data from TCS3200 color sensor readings, the success rate of the closest pair point algorithm to recognize the TCS3200 color sensor is very good reach 93.75% and the error rate is only 6.25%.

Keywords: Closest pair point algorithm, Color sensor, TAOSTM TCS3200D, DT Sense Color.

Research paper thumbnail of Analisis Penggunaan Elemen Primitif Dan Non Primitif Pada Algoritma Elgamal

Research paper thumbnail of Analisis Ketahanan Citra Stego Metode Lsb, Lsb+1, Lsb+2 Dan Msb Terhadap Perubahan Kontras Citra

Research paper thumbnail of PENERAPAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DALAM MENENTUKAN PENDIRIAN LOKASI GRAMEDIA DI SUMATERA UTARA

Research paper thumbnail of ANALISIS VARIASI JUMLAH INPUT DAN HIDDEN LAYER PADA PREDIKSI TEMPERATUR KOTA MEDAN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

KNS&I, Nov 8, 2014

Tingkat pemanasan rata-rata selama lima puluh tahun terakhir hampir dua kali lipat dari rata-rata... more Tingkat pemanasan rata-rata selama lima puluh tahun terakhir hampir dua kali lipat dari rata-rata seratus tahun terahir, dimana pemanasan lebih dirasakan pada daerah daratan daripada lautan. Jaringan saraf tiruan (Artificial Neural Network) sebagian besar telah cukup handal dalam pemecahan masalah, salah satunya adalah prediksi temperatur dengan metode backpropagation. Pada penelitian ini, penulis mencoba menganalisis variasi jumlah input dan hidden layer untuk memprediksi temperatur di kota medan menggunakan metode backpropagation neural network. Dari hasil penelitian dapat disimpulkan antara lain : Pengujian dengan data input 4 memiliki akurasi yang lebih baik dibandingkan dengan data input 3, 5, 6, 7, 8 dan 9. Nilai akurasi tertinggi didapat dari pengujian dengan data input 4 dan jumlah hidden 8 pada target error 0.099 yaitu 88.63%. Data input dan jumlah hidden yang berbeda maka jumlah iterasi juga berbeda. Jumlah hidden layer yang lebih besar tidak selalu menyebabkan jumlah iterasi meningkat. Pada hasil prediksi rata-rata temperatur tertinggi pada tahun 2018 terjadi pada bulan 5 yaitu 32.4o C.

Kata Kunci: temperature, backpropagation, neural network

Research paper thumbnail of ANALISIS PENGGUNAAN DATA BINER DAN BIPOLAR DALAM MENGENALI GERBANG LOGIKA MENGGUNAKAN METODE BACKPROPAGATION

Research paper thumbnail of ANALISIS PENGARUH NILAI CENTROID TERHADAP JUMLAH ITERASI DENGAN MENGGUNAKAN METODE CLUSTERING (STUDI KASUS PT. PHP MOTOR)

Research paper thumbnail of ANALISIS PENAMBAHAN MOMENTUM PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Research paper thumbnail of ANALISIS VARIASI NILAI MOMENTUM DALAM PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK