Efisiensi Sistem Pemanasan Air dengan Penerapan Selubung Bertingkat pada Perforated Burner

Widodo, Agung Sugeng

doi:10.21776/ub.jrm.2018.009.01.4

Cited by 3 publications

(3 citation statements)

References 3 publications

(3 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Basically, ANN is a mathematical model function that defines y = f ( x * w ) [14]- [16] Where y is an output element, f is an activation function, x is an input signal (sensory) and w is a synaptic weight. The term network refers to the interconnection of neurons at a number of different layers.…”

Section: Ekstraksi Fitur Dctmentioning

confidence: 99%

Brain Tumor Detection From Mri Images Using Discrete Cosine Transform Features and Extreme Learning Machine

Prasetyo

2023

JIKO

View full text Add to dashboard Cite

A brain tumor is an abnormal growth of brain tissue and characterized by excessive cell proliferation in certain parts of the brain. One of the current, reliable technologies that can be used to identify brain tumors is Magnetic Resonance Imaging (MRI) scans. The scanned MRI images are then conventionally monitored and examined by a specialist for the presence of tumors. As the number of people suffering from brain tumors is significantly increasing and their corresponding mortality rate has reached 18,600 by 2021, research on designing more effective and efficient tools to assist medical specialists in identifying brain tumors is considered of great importance. In a previous study, a machine learning-based model demonstrated its ability to detect brain tumors with a classification accuracy of 92%. Several hyperparameters were computationally tested using public MRI datasets to obtain the most reliable detection/binary classification accuracy on MRI brain images. Sophisticated model accuracy was achieved by testing various neuronal units and ELM activation functions, followed by inserting a feature map extracted from the Discrete Cosine Transform (DCT). The model obtained the highest testing accuracy of 95% with several 20 ELM neuron units with a tanh activation function

show abstract

Section: Ekstraksi Fitur Dctmentioning

confidence: 99%

Brain Tumor Detection From Mri Images Using Discrete Cosine Transform Features and Extreme Learning Machine

Prasetyo

2023

JIKO

View full text Add to dashboard Cite

show abstract

“…Hasil perhitungan energi panas total fase pengentalan nira menuju sirup sebesar 17.600 kJ sedangkan energi yang dikeluarkan oleh bahan bakar LPG sebesar 44.000 kJ atau efisiensi panas terukur sebesar 40%. Rerata nilai efisiensi pembakaran dengan LPG dalam pemasakan air dengan menggunakan LPG dilaporkan sebesar 43% (Widodo et al, 2018).…”

Section: Kalkulasi Energi Dan Laju Penguapanunclassified

Perubahan Sifat Fisik dan Hubungan Antar Parameter Nira Aren Selama Pemasakan Udara Terbuka

Fuadi,

Sinaga,

Yuniarto

et al. 2023

Tekno. J. Ind. Tek.. Pert.

View full text Add to dashboard Cite

Penentuan kondisi optimal proses pembuatan sirup aren cukup rumit karena terjadi perubahan mutu yang sangat cepat pada periode kritis dimana titik kritis sirup aren tercapai pada standar mutu nilai padatan terlarut sebesar 68-70 o Brix. Penelitian ini bertujuan untuk mengungkap hubungan antar parameter fisik nira aren selama proses pemasakan menjadi sirup aren. Massa aren yang digunakan untuk pemasakan 8,5 kg dengan kadar air 86,37% dan total padatan terlarut (TPT) 14 o Brix. Pemasakan ini menggunakan 3 zona meliputi fase pendidihan, fase penghilangan jumlah air volume besar dan zona pembentukan sirup. Energi pemasakan zona 1, 2 dan 3 secara berturut sebesar 9%, 78% dan 13%. Titik kritis pemasakan nira aren terjadi di zona 3 di fase pembentukan sirup yang dikonfirmasi dengan nilai indeks kecoklatan, TPT dan viskositas. Nilai atribut fisik sirup aren dengan pemasakan terbuka mencapai suhu akhir 102 o C, waktu pemasakan 220 menit, kadar air 20%, TPT 70 o Brix, viskositas 750 mPas, L* 53,95, a* 5,27, b* 37,50, ΔE 5,9 dan chroma 37,59. Persamaan empiris antar parameter: TPT-kadar air y = -0,9143x + 90,57; TPT-viskositas y = 9.266ln(x) + 13.053; TPT-waktu pemasakan y = 16.821e-0.012x ; TPT-energi panas y = 10304ln(x) -22715. Hasil penelitian ini menemukan bahwa ambang batas kritis sirup aren pada parameter TPT antara 68-70 oBrix dimana nilai TPT lebih dari 70 o Brix akan berpotensi pembentukan inti kristal yang dihindari dalam pembuatan sirup aren.

show abstract

“…Tiap neuron menerapkan fungsi aktivasi yang menjumlahkan semua masukan untuk menentukan sinyal keluarannya (output). Tiap jaringan ditentukan oleh arsitektur jaringan, bobot pada koneksi dan fungsi aktivasi (Widodo, dan Handayanto, 2012 …”

Section: Metode Penelitianunclassified

Prediction of water discharge and sediment in teak forested area using artificial neural network model

Wahyuningrum¹

2017

JPKW

View full text Add to dashboard Cite

Informasi tentang hubungan curah hujan, debit aliran dan sedimen diperlukan dalam perencanaan pengelolaan DAS. Hubungan ini dikenal sangat nonlinear dan kompleks. Meskipun debit dan sedimen sudah dimonitor secara terus menerus, namun kadang kala informasinya tidak atau kurang lengkap. Dalam kondisi ini pemodelan sangat diperlukan. Tujuan penelitian adalah membuat model untuk memrediksi hasil air (direct runoff) dan sedimen bulanan dengan menggunakan Jaringan Syaraf Tiruan (JST). Model yang diuji menggunakan data hujan pada saat t-3 dan t-4 sebagai input, dan debit dan sedimen pada t+3 dan t+4 sebagai output. Data yang digunakan merupakan data tahun 2001 sampai dengan tahun 2014. Hasil penelitian menunjukkan bahwa dari beberapa model yang diuji terdapat 2 model untuk prediksi debit dan 2 model untuk prediksi sedimen. Model tersebut terpilih karena mempunyai MSE terkecil, R 2 terbesar dan K yang memuaskan (0,65). Dengan demikian, model-model tersebut dapat digunakan untuk memrediksi debit dan sedimen untuk jangka t+3 dan t+4. Prediksi debit t+3 dan t+4 dapat menggunakan persamaan berturut-turut Q t+3 = 0,64 Q t-3 + 0,05 dan Q t+4 = 0,65 Q t-4 + 0,074, sedangkan prediksi sedimen t+3 dan t+4 menggunakan persamaan QS t+3 = 0,45 QS t-3 + 0,052 dan QS t+4 = 0,45 QS t-4 + 0,052. Pemodelan dengan JST ini dapat diaplikasikan untuk memrediksi debit dan sedimen di lokasi yang lain dengan arsitektur yang disesuaikan dengan kondisi data yang tersedia. ABSTRACT Information on the relationship of rainfall with discharge and sediment are required in watershed management.This relationship is known to be highly nonlinear and complex. Although discharge and sediment has been monitored continuously, but sometimes the information is not or less complete. In this condition, modeling is indispensable.The research objective is to create a model to predict the monthly direct runoff and sediment using Artificial Neural Network (ANN).The model was tested using rainfall data at t-3 and t-4 as input, and discharge and sediment at t+3 and t+4 as output. The data used is the data from 2001 to 2014. The resultsshowed that of some models tested there are two models for the prediction of discharge and two models for sediment.The model was chosen because it has the smallest MSE, the largest R 2 and satisfying K (0.5 to 0.65

show abstract

Efisiensi Sistem Pemanasan Air dengan Penerapan Selubung Bertingkat pada Perforated Burner

Abstract: One of the causes of inefficiency in the heating system by using a gas stove is radiation heat transfer.

Cited by 3 publications

References 3 publications

Brain Tumor Detection From Mri Images Using Discrete Cosine Transform Features and Extreme Learning Machine

Brain Tumor Detection From Mri Images Using Discrete Cosine Transform Features and Extreme Learning Machine

Perubahan Sifat Fisik dan Hubungan Antar Parameter Nira Aren Selama Pemasakan Udara Terbuka

Prediction of water discharge and sediment in teak forested area using artificial neural network model

Contact Info

Product

Resources

About