PERCOBAAN 11
IDENTIFIKASI SINYAL DENGAN JARINGAN SARAF TIRUAN
Tujuan Percobaan
-
Memahami
konsep dasar JARINGAN SARAF TIRUAN dalam kaitannya dengan pengolahana sinyal
-
Mempu mendesain dan membuat program untuk neural
network dan aplikasinya
11.1 Teori Dasar
Jaringan syaraf tiruan adalah salah satu
pernyataan buatan otak manusia yang selalu mencoba untuk mensimulasikan proses
pembelajaran otak manusia tersebut. Jaringan ini diimplementaskan dengan
mnggunakan program pada komputer. Jaringan syaraf tiruan terdiri dari beberapa
neuron dan ada hubungan antara neuron-neuron trsebut. Pada Gambar 10-1, ditunjukkan
contoh struktur neuron jaringan syaraf.
Gambar 11.1. Struktur Neuron Jarangan Syaraf
Pada jaringan syaraf, neuron-neuron dikumpulkan
dalam lapisan yang disebut lapisan neuron. Pada satu lapisan dihubungkan dengan
lapisan sebelum dan sesudahnya. Pada Gambar 11-2, ditunjukkan jaringan
syaraf sederhana dengan fungsi aktivasi
F. Bekerjanya jaringan syaraf, memerlukan proses pembelajaran. Diperlukan
beberapa data untuk pembelajaran. Hasil pembelajaran dignakan untuk mengenali
setiap data yang baru. Cara ini dapat digunakan untuk menghitung korelasinya
atau error-nya terhadap data hasil rekaman yang baru.
Gambar 11-2. Fungsi Aktivasi pada Jaringan Syaraf
Sederhana
11,1.2
Peralatan
- PC multimedia yang sudah dilengkapi dengan OS
Windows
- Perangkat Lunak Matlab yang dilengkapi
dengan Tool Box DSP
11.3 Langkah Percobaan
11.3.1 Neural
Network dangan Data FFT
Percobaan ini dimulai
dengan merekam suara anda sendiri. Ucapkan “a” dan rekamlah dan simpan dengan
nama file a_1. Ulangi tiga kali lagi tapi masing-masing dengan nama file: a_2,
a_3, dan a_4. Semua hasil rekaman anda ubahlah dalam format FFT menggunakan
program pada bab terdahulu, simpan masing-masing dengan nama file: Data_FFT_1, Data_FFT_1,
Data_FFT_3, dan Data_FFT_4.
Kemudian kopikan program berikut dalam work dari MATLAB anda. Jalankan program:
amati, apa yang terjadi?. Catat berapa lama program anda menyelesaikan
intruksi-instruksi tersebut. Berapa nilai korelasinya?
%---------------------------------------------
% Nama File :
Korelasi_FFT_TP_GS.m
% Oleh : Yulianto
%---------------------------------------------
epochs=1000;
goal
=0.1;
lr
=0.5;
show=100;
mc
=0.8;
load
Data_FFT_1;FFT_1=Data_FFT_1;
load
Data_FFT_2;FFT_2=Data_FFT_2;
load
Data_FFT_3;FFT_3=Data_FFT_3;
load
Data_Teruji_FFT; Data= Data_Teruji_FFT;
Data=[FFT_1 FFT_2 FFT_3 Data];
P=Data(:,1:3)';
T=Data(:,4)';
[pn,meanp,stdp,tn,meant,stdt]=prestd(P,T);
net =
newff(minmax(pn),[10 5 1],{'tansig' 'logsig' 'purelin'},'traingdm');
net.IW{1,1} =
[...
0.9802 5.6068 5.6068 1.8546
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935
1.8197 5.3791 5.3791 1.7935 ];
net.b{1,1}=[...
-13.9426
-14.1274
-14.1274
-14.1274
-14.1274
-14.1274
-14.1274
-14.1274
-14.1274
-14.1274];
net.LW{2,1}=[...
0.6925 0.7349 0.7349 0.7349 0.7349 0.7349
0.7349 0.7349 0.7349 0.7349
0.6925 0.7349 0.7349 0.7349 0.7349 0.7349
0.7349 0.7349 0.7349 0.7349
0.6925 0.7349 0.7349 0.7349 0.7349 0.7349 0.7349
0.7349 0.7349 0.7349
0.6925 0.7349 0.7349 0.7349 0.7349 0.7349
0.7349 0.7349 0.7349 0.7349
0.6925 0.7349 0.7349 0.7349 0.7349 0.7349
0.7349 0.7349 0.7349 0.7349];
net.b{2,1}=[...
-2.2853
-2.2853
-2.2853
-2.2853
-2.2853];
net.LW{3,2}=[
0.1636 0.1636 0.1636
0.1636 0.1636];
net.b{3,1}=-0.0800;
net.trainParam.epochs=epochs;
net.trainParam.goal=goal;
net.trainParam.lr=lr;
net.trainParam.show=show;
net.trainParam.mc=mc;
net=train(net,pn,tn);
an=sim(net,pn);
a=poststd(an,meant,stdt);
[m1,a1,r1]=postreg(a,T)
Tulis m1 pada command window dan tekan Enter, kemudian catat berapa nilainya.
Ulangi untuk a1 dan r1. Jelaskan apa artinya?
Sekaran cobalagi merekam suara anda, tapi
ucapkan ”b”, kemudian simpan dalam file dengan nama b_4. Ubahlah dengan FFT dan
simpan dengan nama file: Data_FFT_4. Komputer akan mengingatkan anda bahwa anda telah mempnyai file dengan nama
yang sama. Tekan ”Yes”, maka
data anda yang pertama telah digantikan dengan data yang baru. Jalankan
program, : amati, apa yang terjadi?. Catat berapa lama program anda menyelesaikan
intruksi-instruksi tersebut. Berapa nilai korelasinya? Tulis m1 pada command
window dan tekan Enter, kemudian catat berapa nilainya. Ulangi untuk a1 dan
r1. Jelaskan apa artinya? Bandingkan nilai m1, a1, dan r1, hasilnya bagaimana?
Apa artinya? Sebutkan manfaatnya?.
Lanjutkan dengan menuliskan net.IW{1,1} pada command
window dan tekan Enter, maka
akan ditampilkan matrik dengan elemen yang berbeda. Gantikan nilai net.IW{1,1}
dengan nilai yang baru. Ulangi tapi untuk net.b{1,1}, net.LW{2,1}, net.LW{2,1}, net.LW{3,2}, dan
net.b{3,1}. Jangan sampai mengganti nama vaiabel. Jalankan program, dan catat
durasi komputer mengeksekusi program anda. Banddingkan dengan percobaan
sebelumnya. Apa yang terjadi?
11.3.2 Neural Network dangan Data_Pwelch
Ulangi percobaan di atas, tapi data tidak dikonversi ke FFT, melainkan ke
Pwelch. Kemudian lakukan langkah-langkah yang sama. Jangan lupa mencatat semua
kejadian.
11.4
Analisa Data
Disamping anda harus menjawab setiap pertanyaan di
atas, buatlah suatu diskusi dari hasil percobaan anda? Buatlah suatu
kesimpulan!. Proses apa sebenarnya dalam program tersebut?
11.5
Tugas
1. Tambahkan program tersebut untuk
menunjukkan korelasinya. Jika data teruji (Data_FFT_4) sangat menyerupai data
pembanding (Data_FFT_1, Data_FFT_2, dan Data_FFT_3), bagiamana nilai
korelasinya? Bagaimana jika sebaliknya?
2. Tambahkan program tersebut untuk
menunjukkan errornya. Jika data teruji (Data_FFT_4) sangat menyerupai data
pembanding (Data_FFT_1, Data_FFT_2, dan Data_FFT_3), bagiamana nilai errornya?
Bagaimana jika sebaliknya?
3. Jelaskan tentang yang disebtu dengan:
identifikasi sinyal!. Jelaskan bagaimana caranya dalam memanfaatkan program
tersebut untuk dapat digunakan sebagai identifikasi sinyal.
Tidak ada komentar:
Posting Komentar