Pemodelan Tahanan Kapal Displacement Menggunakan Metode Artificial Neural Network

M. Sari, R. M. Atok, M. Indiaryanto
{"title":"Pemodelan Tahanan Kapal Displacement Menggunakan Metode Artificial Neural Network","authors":"M. Sari, R. M. Atok, M. Indiaryanto","doi":"10.12962/j27213862.v2i2.6823","DOIUrl":null,"url":null,"abstract":"Pengujian tahanan kapal memiliki tujuan untuk mengetahui daya yang dibutuhkan sebuah kapal agar dapat bergerak. Salah satu cara untuk mendapat-kan nilai tahanan kapal tanpa melakukan suatu pengujian adalah dengan pemodelan. Untuk mendapat-kan model nilai tahanan kapal dan variabel yang berpengaruh terhadap tahanan kapal, penelitian ini menggunakan metode Artificial Neural Network. Pada metode ANN tidak bergantung pada bentuk asumsi yang mendasari data. Penelitian ini menunjukan bahwa jumlah neuron yang optimum yaitu berjumlah enam neuron dan enam variabel input. Variabel input yang digunakan yaitu panjang kapal tercelup, lebar kapal tercelup, syarat tercelup air, total keseluruhan berat kapal, koefisien primastik, dan kecepatan kapal dengan nilai RMSE sebesar 133.2891.","PeriodicalId":31274,"journal":{"name":"Inferensi Jurnal Penelitian Sosial Keagamaan","volume":"170 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2019-09-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Inferensi Jurnal Penelitian Sosial Keagamaan","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.12962/j27213862.v2i2.6823","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Pengujian tahanan kapal memiliki tujuan untuk mengetahui daya yang dibutuhkan sebuah kapal agar dapat bergerak. Salah satu cara untuk mendapat-kan nilai tahanan kapal tanpa melakukan suatu pengujian adalah dengan pemodelan. Untuk mendapat-kan model nilai tahanan kapal dan variabel yang berpengaruh terhadap tahanan kapal, penelitian ini menggunakan metode Artificial Neural Network. Pada metode ANN tidak bergantung pada bentuk asumsi yang mendasari data. Penelitian ini menunjukan bahwa jumlah neuron yang optimum yaitu berjumlah enam neuron dan enam variabel input. Variabel input yang digunakan yaitu panjang kapal tercelup, lebar kapal tercelup, syarat tercelup air, total keseluruhan berat kapal, koefisien primastik, dan kecepatan kapal dengan nilai RMSE sebesar 133.2891.
船上的囚犯测试的目的是知道一艘船移动所需的能量。不进行测试就能得到船上被拘留者的价值的一种方法是建模。为了获得影响在押人员的船的价值标准和变量模型,该研究采用了人工神经网络的方法。ANN的方法不依赖于数据背后的假设形式。研究表明,最佳神经元的数量是6个神经元和6个输入变量。使用的输入变量包括船的长度,船的宽度,浸没水的条件,船的总重量,primastik系数,以及船的速度,总计133.2891。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
8
审稿时长
24 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信