<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="44969">
 <titleInfo>
  <title>SISTEM OTOMASI LAMPU RUMAH ADAPTIF BERBASIS ARTIFICIAL NEURAL NETWORK</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Siti Zulaikha</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Universitas Syiah Kuala</publisher>
   <dateIssued>2018</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
Energi merupakan  salah satu faktor penting dalam kehidupan modern. &#13;
Seiring perkembangan zaman, kebutuhan inovasi untuk terus berhemat dalam &#13;
menggunakan energi semakin penting. Salah satu komponen pengguna energi &#13;
terbesar adalah lampu untuk kebutuhan penerangan. Kelalaian mematikan lampu &#13;
yang tidak lagi dibutuhkan dapat memboroskan energi listrik. Dibutuhkan suatu &#13;
sistem yang dapat beradaptasi terhadap tingkah laku dari pengguna lampu setiap &#13;
rumah atau gedung meggunakan algoritma  Artificial Neural Network  (ANN). &#13;
Sistem terdiri dari Raspberry Pi 3 sebagai prosesor untuk menjalankan proses &#13;
training  ANN, Arduino Mega256 digunakan sebagai pembaca  input  saklar, dan &#13;
mengendalikan  relay  untuk menghidupkan atau mematikan lampu. Sistem &#13;
mengambil  input  waktu (jam dan menit), hari dalam seminggu, dan intensitas &#13;
cahaya  ambient  sebagai parameter tambahan. Sistem dikembangkan untuk dapat &#13;
mempelajari penggunaan lampu rumah/gedung dan memprediksi kapan lampu &#13;
dihidupkan atau dimatikan setelah melewati  proses  training. Hasil prediksi ANN &#13;
setelah proses  training  mempunyai tingkat keberhasilan sebesar 80 % dengan &#13;
menggunakan  sampel  random  sebanyak 5  sampel  untuk blok 1 dan 5  sampel&#13;
untuk blok 2. Hasil prediksi dipengaruhi oleh  dataset  yang digunakan selama &#13;
proses  training. Nilai error terkecil didapat yaitu 0.43154, hal ini menunjukkan &#13;
sistem dapat digunakan untuk memprediksi penggunaan lampu untuk kebutuhan &#13;
sehari-hari.&#13;
Kata Kunci :  Machine learning  (ML),  Artificial Neural Network  (ANN), &#13;
Raspberry Pi 3, Arduino Mega256.</note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>44969</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2018-08-15 09:11:18</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2018-08-15 12:11:43</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>