PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS

Klasifikasi jenis gas di udara terbuka diperlukan di berbagai bidang aplikasi seperti pendeteksian kebakaran, monitoring lingkungan dan lainnya. Hal ini memerlukan teknik pengklasifikasian yang handal dikarenakan adanya konsentrasi gas yang berubah secara dinamis. Sebuah deret sensor gas yang dikom...

Full description

Bibliographic Details
Main Authors:	Muhammad Rivai, Tasripan Tasripan, Totok Mujiono
Format:	Article
Language:	English
Published:	Informatics Department, Engineering Faculty 2011-07-01
Series:	Jurnal Ilmiah Kursor: Menuju Solusi Teknologi Informasi
Subjects:	Sensor Array Frequency Spectrum Principal Component Analysis Neural Networks
Online Access:	http://www.kursorjournal.org/index.php/kursor/article/view/5

_version_	1797744176849223680
author	Muhammad Rivai Tasripan Tasripan Totok Mujiono
author_facet	Muhammad Rivai Tasripan Tasripan Totok Mujiono
author_sort	Muhammad Rivai
collection	DOAJ
description	Klasifikasi jenis gas di udara terbuka diperlukan di berbagai bidang aplikasi seperti pendeteksian kebakaran, monitoring lingkungan dan lainnya. Hal ini memerlukan teknik pengklasifikasian yang handal dikarenakan adanya konsentrasi gas yang berubah secara dinamis. Sebuah deret sensor gas yang dikombinasikan dengan algoritma pengenal pola Neural Networks telah lama digunakan untuk mengatasi hal ini. Makalah ini melaporkan sebuah metode yang handal untuk klasifikasi jenis gas di udara terbuka. Pada penelitian ini, metode yang digunakan adalah metode Fast Fourier Transform (FFT) untuk analisa spektrum frekuensi dan metode Principal Component Analysis (PCA) untuk ekstraksi data sebagai metode preprocessing untuk Propagasi balik Neural Networks. Sebuah deret sensor terdiri dari tiga tipe sensor gas semikonduktor yang berbeda dan menghasilkan sebuah pola yang khas untuk setiap jenis gas pada domain waktu. Beberapa gas digunakan untuk mengevaluasi unjuk kerja dari klasifikasinya. Hasil percobaan menunjukkan bahwa taraf klasifikasi dari Neural Networks yang dihasilkan lebih tinggi daripada sistem klasifikasi tanpa menggunakan preprocessing walaupun konsentrasi gas berubah pada kondisi yang bervariasi. Kata kunci: Deret Sensor, Spektrum Frekuensi, Principal Component Analysis, Neural Networks. Abstract Classification of gases in open field is of great interest in many applications such as fire detection, environmental monitoring, etc. They all require reliable classification techniques due to dynamical change of gas concentration. A gas sensor array combined with Neural Networks pattern recognition algorithm has been traditionally used to address these issues. This paper reports a robust method for gas classification in the ambient air. In this research, we employ Fast Fourier Transform (FFT) method for frequency spectrum analysis and Principal Component Analysis (PCA) method for data extraction as preprocessing methods for a Back Propagation Neural Networks. A sensor array consists of three different types of semiconductor gas sensors producing a unique pattern for each gas in time domain. Several gases were introduced to evaluate the classification performance. The experiment result showed that classification rate of the Neural Networks with FFT and PCA methods as preprocessing was higher than that of the system without preprocessing even if the gas concentration changed into various conditions.
first_indexed	2024-03-12T15:05:59Z
format	Article
id	doaj.art-142dbe3546ed432badb88acc2051825d
institution	Directory Open Access Journal
issn	0216-0544 2301-6914
language	English
last_indexed	2024-03-12T15:05:59Z
publishDate	2011-07-01
publisher	Informatics Department, Engineering Faculty
record_format	Article
series	Jurnal Ilmiah Kursor: Menuju Solusi Teknologi Informasi
spelling	doaj.art-142dbe3546ed432badb88acc2051825d2023-08-12T20:42:41ZengInformatics Department, Engineering FacultyJurnal Ilmiah Kursor: Menuju Solusi Teknologi Informasi0216-05442301-69142011-07-0162PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSISMuhammad Rivai0Tasripan Tasripan1Totok Mujiono2Laboratorium Elektronika Industri, Jurusan Teknik Elektro, Fakultas Teknologi Industri,Institut Teknologi Sepuluh Nopember SurabayaLaboratorium Elektronika Industri, Jurusan Teknik Elektro, Fakultas Teknologi Industri,Institut Teknologi Sepuluh Nopember SurabayaLaboratorium Elektronika Industri, Jurusan Teknik Elektro, Fakultas Teknologi Industri,Institut Teknologi Sepuluh Nopember Surabaya Klasifikasi jenis gas di udara terbuka diperlukan di berbagai bidang aplikasi seperti pendeteksian kebakaran, monitoring lingkungan dan lainnya. Hal ini memerlukan teknik pengklasifikasian yang handal dikarenakan adanya konsentrasi gas yang berubah secara dinamis. Sebuah deret sensor gas yang dikombinasikan dengan algoritma pengenal pola Neural Networks telah lama digunakan untuk mengatasi hal ini. Makalah ini melaporkan sebuah metode yang handal untuk klasifikasi jenis gas di udara terbuka. Pada penelitian ini, metode yang digunakan adalah metode Fast Fourier Transform (FFT) untuk analisa spektrum frekuensi dan metode Principal Component Analysis (PCA) untuk ekstraksi data sebagai metode preprocessing untuk Propagasi balik Neural Networks. Sebuah deret sensor terdiri dari tiga tipe sensor gas semikonduktor yang berbeda dan menghasilkan sebuah pola yang khas untuk setiap jenis gas pada domain waktu. Beberapa gas digunakan untuk mengevaluasi unjuk kerja dari klasifikasinya. Hasil percobaan menunjukkan bahwa taraf klasifikasi dari Neural Networks yang dihasilkan lebih tinggi daripada sistem klasifikasi tanpa menggunakan preprocessing walaupun konsentrasi gas berubah pada kondisi yang bervariasi. Kata kunci: Deret Sensor, Spektrum Frekuensi, Principal Component Analysis, Neural Networks. Abstract Classification of gases in open field is of great interest in many applications such as fire detection, environmental monitoring, etc. They all require reliable classification techniques due to dynamical change of gas concentration. A gas sensor array combined with Neural Networks pattern recognition algorithm has been traditionally used to address these issues. This paper reports a robust method for gas classification in the ambient air. In this research, we employ Fast Fourier Transform (FFT) method for frequency spectrum analysis and Principal Component Analysis (PCA) method for data extraction as preprocessing methods for a Back Propagation Neural Networks. A sensor array consists of three different types of semiconductor gas sensors producing a unique pattern for each gas in time domain. Several gases were introduced to evaluate the classification performance. The experiment result showed that classification rate of the Neural Networks with FFT and PCA methods as preprocessing was higher than that of the system without preprocessing even if the gas concentration changed into various conditions. http://www.kursorjournal.org/index.php/kursor/article/view/5Sensor ArrayFrequency SpectrumPrincipal Component AnalysisNeural Networks
spellingShingle	Muhammad Rivai Tasripan Tasripan Totok Mujiono PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS Jurnal Ilmiah Kursor: Menuju Solusi Teknologi Informasi Sensor Array Frequency Spectrum Principal Component Analysis Neural Networks
title	PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS
title_full	PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS
title_fullStr	PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS
title_full_unstemmed	PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS
title_short	PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS
title_sort	peningkatan taraf identifikasi jenis gas di udara terbuka menggunakan transformasi fourier dan principal component analysis
topic	Sensor Array Frequency Spectrum Principal Component Analysis Neural Networks
url	http://www.kursorjournal.org/index.php/kursor/article/view/5
work_keys_str_mv	AT muhammadrivai peningkatantarafidentifikasijenisgasdiudaraterbukamenggunakantransformasifourierdanprincipalcomponentanalysis AT tasripantasripan peningkatantarafidentifikasijenisgasdiudaraterbukamenggunakantransformasifourierdanprincipalcomponentanalysis AT totokmujiono peningkatantarafidentifikasijenisgasdiudaraterbukamenggunakantransformasifourierdanprincipalcomponentanalysis

PENINGKATAN TARAF IDENTIFIKASI JENIS GAS DI UDARA TERBUKA MENGGUNAKAN TRANSFORMASI FOURIER DAN PRINCIPAL COMPONENT ANALYSIS

Similar Items