Karbon aktif adalah karbon yang telah diproses sehingga mempunyai daya adsorbs yang tinggi terhadap warna, bau, zat beracun, dan zat kimia lainnya. Karbon aktif yang berbentuk amorf dicirikan dengan porositas yang tinggi dan luas permukaan yang spesifik antara 300-2000m2/g. karbon aktif mengandung 5-15% abu dan sisanya adalah karbon. Selain unsur karbon yang tinggi, karbon aktif juga mangandung sejumlah unsur-unsur lainnya yang terikat secara kimia seperti nitrogen, oksigen, belerang, dan berbagai unsure lain yang berasal dari bahan mentahnya (Suarya,1990).
Secara umum, pembentukan karbon aktif meliputi dua tahap penting yaitu karbonasi dan aktivasi. Karbonasi merupakan peristiwa pirolis untuk mengibah bahan dasar menjadi karbon. Pada fase tersebut hampir semua unsure-unsur bukan karbon terlepas dalam bentuk gas, sedangkan karbon-karbon bentukan dari proses ini membentuk susunan kristal yang disebut sebagai krstal grafitik. Susunan kristral ini tidak teratur di dalmnya terdapat celah-celah bebas. Celah-celah inilah yang akan membentuk pori pada karbon, sehingga karbonasi merupakan tahap awal pembentukan pori. Pori yang dihasilkan dari proses tersebut mempunyai kapasits adsorbs yangsangat kecil. Untuk meningkatkan porositas dan luas permukaannya, maka karbon tersebut peril diaktivasi sampai terjadi produk baru yang dikenal sebagai karbon aktif (Jankowaska dkk, 1991).
Pori-Pori Karbon Aktif
Karbon aktif mempunyai permukaan yang terdiri dari dinding berpori, pori-pori permukaan ini hanya dapat dimasuki oleh molekul-molekul yang mempunyai ukuran lebih kecil.
Pori-pori karbon aktif memiliki bentuk dan ukuran yang bervariasi, bentuknya berupa silinder, empat persegi panjang dan bentuk-bentuk yang lain, sementara ukurannya berkisar antara 10 s/d 10.000 Angstrom, macam-macam ukuran yang terdapat ini disebut distribusi ukuran pori yang bergantung kepada jenis bahan dan metode aktivasi yang digunakan pada pembuatan karbon tersebut.Berdasarkan besar porinya, karbon aktif dapat di bagi menjadi 4 jenis , yaitu:
1. Karbon makropori : diameter porinya > 50 nm
2. Karbon mesopori ; dimeter porinya 2-50 nm
3. Karbon mikropori : diameter porinya < 2 nm
Jumat, 15 April 2011
Kamis, 23 Desember 2010
jaringan syaraf tiruan
BAB I
PENDAHULUAN
Tidak ada dua otak manusia yang sama, setiap otak selalu berbeda. Beda dalam ketajaman, ukuran dan pengorganisasiannya. Salah satu cara untuk memahami bagaimana otak bekerja adalah dengan mengumpulkan informasi dari sebanyak mungkin scan otak manusia dan memetakannya. Hal tersebut merupakan upaya untuk menemukan cara kerja rata-rata otak manusia itu. Peta otak manusia diharapkan dapat menjelaskan misteri mengenai bagaimana otak mengendalikan setiap tindak tanduk manusia, mulai dari penggunaan bahasa hingga gerakan. Walaupun demikian kepastian cara kerja otak manusia masih merupakan suatu misteri. Meski beberapa aspek dari prosesor yang menakjubkan ini telah diketahui tetapi itu tidaklah banyak. Beberapa aspek-aspek tersebut, yaitu :
a) Tiap bagian pada otak manusia memiliki alamat, dalam bentuk formula kimia, dan sistem saraf manusia berusaha untuk mendapatkan alamat yang cocok untuk setiap akson (saraf penghubung) yang dibentuk.
b) Melalui pembelajaran, pengalaman dan interaksi antara sistem maka struktur dari otak itu sendiri akan mengatur fungsi-fungsi dari setiap bagiannya.
c) Axon-axon pada daerah yang berdekatan akan berkembang dan mempunyai bentuk fisik mirip, sehingga terkelompok dengan arsitektur tertentu pada otak.
d) Axon berdasarkan arsitekturnya bertumbuh dalam urutan waktu, dan terhubung Pada struktur otak yang berkembang dengan urutan waktu yang sama.
Berdasarkan keempat aspek tersebut di atas dapat ditarik suatu kesimpulan bahwa otak tidak seluruhnya terbentuk oleh proses genetis. Terdapat proses lain yang ikut membentuk fungsi dari bagian-bagian otak, yang pada akhirnya menentukan bagaimana suatu informasi diproses oleh otak.
Elemen yang paling mendasar dari jaringan saraf adalah sel saraf. Sel-sel saraf inilah membentuk bagian kesadaran manusia yang meliputi beberapa kemampuan umum. Pada dasarnya sel saraf biologi menerima masukan dari sumber yang lain dan mengkombinasikannya dengan beberapa cara, melaksanakan suatu operasi yang non-linear untuk mendapatkan hasil dan kemudian mengeluarkan hasil akhir tersebut.
Dalam tubuh manusia terdapat banyak variasi tipe dasar sel saraf, sehingga proses berpikir manusia menjadi sulit untuk direplikasi secara elektrik. Sekalipun demikian, semua sel saraf alami mempunyai empat komponen dasar yang sama. Keempat komponen dasar ini diketahui berdasarkan nama biologinya yaitu, dendrit, soma, akson, dan sinapsis. Dendrit merupakan suatu perluasan dari soma yang menyerupai rambut dan bertindak sebagai saluran masukan. Saluran masukan ini menerima masukan dari sel saraf lainnya melalui sinapsis. Soma dalam hal ini kemudian memproses nilai masukan menjadi sebuah output yang kemudian dikirim ke sel saraf lainnya melalui akson dan sinapsis.
Penelitian terbaru memberikan bukti lebih lanjut bahwa sel saraf biologi mempunyai struktur yang lebih kompleks dan lebih canggih daripada sel saraf buatan yang kemudian dibentuk menjadi jaringan saraf buatan yang ada sekarang ini. Ilmu biologi menyediakan suatu pemahaman yang lebih baik tentang sel saraf sehingga memberikan keuntungan kepada para perancang jaringan untuk dapat terus meningkatkan sistem jaringan saraf buatan yang ada berdasarkan pada pemahaman terhadap otak biologi.
Sel saraf-sel saraf ini terhubung satu dengan yang lainnya melalui sinapsis. Sel saraf dapat menerima rangsangan berupa sinyal elektrokimiawi dari sel saraf-sel saraf yang lain. Berdasarkan rangsangan tersebut, sel saraf akan mengirimkan sinyal atau tidak berdasarkan kondisi tertentu. Konsep dasar semacam inilah yang ingin dicoba para ahli dalam menciptakan sel tiruan.
Jaringan Syaraf Tiruan dibuat pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh
. Sejarah penemuan tentang jaringan syaraf tiruan yaitu :
• Pada tahun 1940-an, para ilmuwan menemukan bahwa psikologi otak sama dengan model pemrosesan yang dilakukan oleh Komputer
• Tahun1943, McCulloch dan Pitts merancang model formal yang pertama kali sebagai perhitungan dasar neuron.
• Tahun 1954, Farley dan Clark mensetup model-model untuk relasi adaptif stimulus-respon dalam jaringan random.
• Tahun1958, Rosenblatt mengembangkankonsepdasartentangperception untukklasifikasipola.
• Tahun 1960, Widrow dan Hoff mengembangkan ADALINE yang dilatih dengan pembelajaran Least Mean Square (LMS).
• Tahun 1974, Werbos memperkenalkan algoritma backpropagation.
• Tahun 1975, Little dan Shaw menggambarkan jaringan syaraf dengan probabilistic.
• Tahun1982, Kohonen mengembangkan metode pembelajaran jaringan syaraf yang tidak terawasi untuk pemetaan.
• Tahun1982, Grossberg mengembangkan teori jaringan.
• Tahun1982, Hopfield mengembangkan jaringan syaraf recurrent.
• Tahun1985, algoritma pembelajaran dengan mensin Boltzmann.
• Tahun1987, Kosko mengembangkan jaringan Adaptive Bidirectional Associative Memory (BAM).
• Tahun1988, dikembangkan fungsi radial bebas.
BAB II
JARINGAN SYARAF TIRUAN
A. Jaringan Saraf Tiruan
Jaringan syaraf tiruan (JST) (Bahasa Inggris : artificial neural network (ANN) atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. JST merupakan system adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran.
Jaringan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan digunakan karena jaringan syaraf ini di implementasikan dengan menggunakan program computer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
Jaringan Syaraf Tiruan keluar dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).
B. Perbandingan Jaringan Syaraf Tiruan dengan Konvensional
Jaringan Syaraf Tiruan memiliki pendekatan yang berbeda untuk memecahkan masalah bila dibandingkan dengan sebuah komputer konvensional. Umumnya komputer konvensional menggunakan pendekatan algoritma (komputer konvensional menjalankan sekumpulan perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahui oleh komputer konvensional maka komputer konvensional tidak dapat memecahkan masalah yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalah pada komputer konvensional dimana komputer konvensional akan sangat bermanfaat jika dapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya.
Jaringan Syaraf Tiruan dan suatu algoritma komputer konvensional tidak saling bersaing namun saling melengkapi satu sama lain. Pada suatu kegiatan yang besar, sistim yang diperlukan biasanya menggunakan kombinasi antara keduanya (biasanya sebuah komputer konvensional digunakan untuk mengontrol Jaringan Syaraf Tiruan untuk menghasilkan efisiensi yang maksimal. Jaringan Syaraf Tiruan tidak memberikan suatu keajiban tetapi jika digunakan secara tepat akan menghasilkan sasuatu hasil yang luar biasa
C. Prototipe Biologi dan Neuron Buatan
Neuron merupakan suatu jaringan syaraf yang berfungsi untuk mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju neuron-neuron yang lain. Pada jaringan syaraf hubungan antar neuro-neuron dikenal dengan nama bobot. Seperti yang terlihat pada gambar dibawah:
Gambar 1. Hubungan antar neuron-neuron pada jaringan syaraf
Pada jaringan syaraf, neuron-neuron akan dikumpulkan dalam lapisan-lapisan (layer) yang disebut dengan lapisan neuron (layers). Informasi yang diberikan pada jaringan syaraf akan dirambatkan dari lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya, yang dikenal dengan lapisan tersembunyi (hidden layer), tergantung pada algoritma pembelajarannya, bias jadi informasi tersebut akan dirambatkan secara mundur pada jaringan
D. ARSITEKTUR JARINGAN SYARAF TIRUAN
Faktor terpenting untuk menentukan kelakuan suatu neuron adalah fungsi aktivasi dan pola bobotnya. Ada beberapa arsitektur jaringan syaraf antara lain :
a. Jaringan dengan lapisan tunggal (single layer net)
• Hanya memiliki satu lapisan dengan bobot-bobot yang terhubung
• Jaringan ini hanya menerima input kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi.
Gambar 2. Jaringan dengan lapisan tunggal
b. Jaringan dengan banyak lapisan (multilayer net)
• Memiliki 1 atau lebih lapisan yang terletak diantara lapisan input dan lapisan output
• Ada lapisan yang berbobot yang terletak diantara 2 kapisan yang bersebelahan
Gambar 3. Jaringan dengan banyak lapisan
c. Jaringan dengan lapisan kompetitif (competitive layer net)
• Hubungan antar neuron tidak diperlihatkan secara langsung pada arsitektur
• Hubungan antar neuron dapat digambarkan sebagai jaring yang rumit
Gambar 4. Jaringan syaraf dengan lapisan kompetitif
E. FUNGSI AKTIVASI JARINGAN SYARAF
a. Fungsi Undak Biner (hard Limit)
Jaringan dengan lapisan tunggal sering menggunakan fungsi undak untuk menkonversi input dari suatu variable yang bernilai kontinu ke suatu output biner. Fungsi hard limit dirumuskan sebagai berikut :
b. Fungsi Undak Biner (Threshold)
Fungsi undak biner dengan menggunakan nilai ambang sering disebut fungsi nilai ambang atau fungsi Heaviside. Dirumuskan :
c. Fungsi Bipolar
Fungsi ini hamper sama dengan fungsi undak biner, hanya saja output yang di hasilkan berupa 1,0,-1 atau fungsi Symetric Hard Limit dirumuskan sebagai berikut :
d. Fungsi Bipolar dengan Threshold
Fungsi ini menghasilkan output berupa 1,0 atau -1, dengan rumusan sebagai berikut:
e. Fungsi Linear (identitas)
Fungsi linear memiliki nilai output yang sama dengan nilai inputnya, yang dirumuskan dengan Y = X
f. Fungsi Sturating Linear
Fungsi ini akan bernilai 0 jika inputnya kuarang dari - ½ , dan akan bernilai 1 jika inputnya lebih dari ½. Sedangkan jika nilai input terletak antara – ½ dan ½ , maka
outputnya akan bernilai sama dengan nilai input ditambah ½ . fungsi Sturating Linear dirumuskan sebagai berikut :
g. Fungsi Symmetric Sturating Linear
Fungsi ini akan bernilai -1 jika inputnya kurang dari -1. Sedangkan jika nilai input terletak antara -1 dan 1, maka outpunya akan bernilai sama dengan nilai inputnya.
Fungsi Symetric Sturating Linear dirumuskan sebagai berikut :
h. Fungsi Sigmoid Biner
Fungsi ini, digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode backpropagation. Memiliki nilai pada range 0 sampai 1. Fungsi Sigmoid Biner dirumuskan :
i. Fungsi Sigmoid Bipolar
Output dari fungsi ini memiliki range antara 1 sampai -1, dan dirumuskan :
F. PROSES PEMBELAJARAN JARINGAN SYARAF
Umumnya, jika menggunakan Jaringan Syaraf Tiruan, hubungan antara input dan output harus diketahui secara pasti dan jika hubungan tersebut telah diketahui maka dapat dibuat suatu model. Hal lain yang penting adalah proses belajar hubungan input/output dilakukan dengan pembelajaran. Ada dua tipe pembelajaran yang dikenal yaitu :
pembelajaran terawasi dan pembelajaran tak terawasi.
a) Pembelajaran Terawasi (supervised Learning)
Metode pembelajaran pada jaringan syaraf terawasi jika output yang diharapkan telah diketahui sebelumnya.
b) PembelajaranTakTerawasi(unsupervised learning)
Pada metode pembelajaran takterawasi ini tidak memerlukan target output. Tujuan metode ini adalah pengelompokan unit-unit yang hamper sama dalam suatu area tertentu.
G. PENDEKATAN LOGIKA SAMAR (FUZY LOGIC)
Fuzzy logic (logika fuzzy ) atau biasa disebut dengan logika samar merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang out put didasari oleh konsep himpunana fuzzy.
Gambar : pemetaan input-output
Diantara input dan output terdapat blackbox . Di dalam black box, terdapat proses yang tidak diketahui, bias di dekati dengan system pendekatan linear, ekonometri, interpolasi, system pakar atau logika fuzzy dan lain-lain.
H. Perceptron
Perceptron termasuk kedalam salah satu bentuk Jaringan Syaraf Tiruan yang
sederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan istilah pemisahan secara linear. Pada dasarnya perceptron pada Jaringan Syaraf dengan satu lapisan memiliki bobot yang bisa diatur dan suatu nilai ambang. Algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran. Fungsi aktivasi dibuat sedemikian rupa sehingga terjadi pembatasan antara daerah positif dan daerah negatif.
Gambar perceptron
I. NETWORK SELF-ORGANIZING UNTUK PENGENALAN POLA
Jaringan syaraf tiruan merupakan salah satu metode pengenalan pola. Pengenalan pola itu sendiri merupakan teknik yang bertujuan untuk mengklasifikasikan citra yang telah diolah sebelumnya berdasarkan kesamaan atau kemiripan cirri yang dimilikinya.
Mengadopsi esensi dasar dari system syaraf biologi, syaraf tiruan digambarkan sebagai berikut : Menerima input atau masukan (baik dari data yang dimasukkan atau dari output sel syaraf pada jaringan syaraf. Setiap input datang melalui suatu koneksi atau hubungan yang mempunyai sebuah bobot (weight). Setiap sel syaraf mempunyai sebuah nilai ambang. Jumlah bobot dari input dan dikurangi dengan nilai ambang kemudian akan mendapatkan suatu aktivasi dari sel syaraf (post synaptic potential,PSP, dari sel syaraf). Signal aktivasi kemudian menjadi fungsi aktivasi / fungsi transfer untuk menghasilkan output dari sel syaraf.
J. APLIKASI JARINGAN SYARAF TIRUAN
Jaringan Syaraf Tiruan mampu menggambarkan setiap situasi adanya sebuah hubungan antara variabel predictor (independents, inputs) dan variabel predicted (dependents, outputs), ketika hubungan tersebut sangat kompleks dan tidak mudah untuk menjelaskan kedalam istilah yang umum dari “correlations” atau “differences between groups”. Beberapa contoh permasalahan yang dapat dipecahkan secara baik oleh Jaringan Syaraf Tiruan antara lain :
a. Deteksi Fenomena Kedokteran
Berbagai indikasi yang berhubungan dengan kesehatan (kombinasi dari denyut jantung, tingkatan dan berbagai substansi dalam darah, dll) dapat dimonitoring. Serangan pada kondisi kesehatan tertentu dapat dihubungan dengan perubahan kombinasi yang sangat kompeks (nonlinear dan interaktif) pada subset dari variabel, dapat dimonitoring. Jaringan Syaraf Tiruan telah digunakan untuk mengenali pola yang diperkirakan sehingga perlakuan yang tepat dapat dilakukan.
b. Untuk mendeteksi golongan darah manusia
Dengan menggunakan pengolahan citra. Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran manusia.
c. Prediksi Pasar Saham
Fluktuasi dari harga saham dan index saham adalah contoh lain yang kompleks, multidimesi tetapi dalam beberapa kondisi tertentu merupakan phenomena yang dapat prediksi. Jaringan Syaraf Tiruan telah digunakan oleh analis teknik untuk membuat prediksi tentang pasar saham yang didasarkan atas sejumlah faktor seperti keadaan masa lalu bursa yang lain dan berbagai indikator ekonomi.
BAB III
KESIMPULAN
Jaringan Syaraf Tiruan mulai dilirik banyak kalangan karena mempunyai banyak kelebihan dibandingkan system konvensional. Jaringan Syaraf Tiruan mewakili pikiran manusia untuk mendekatkan diri dengan komputer, maksudnya Jaringan Syaraf Tiruan dirancang agar komputer dapat bekerja seperti/layaknya otak manusia. Berikut ini beberapa keunggulan dari Jaringan Syaraf Tiruan adalah :
1. Memiliki kemampuan untuk melakukan suatu kegiatan yang didasarkan atas data yang diberikan pada saat pembelajaran atau dari pengalaman sebelumnya.
2. Dapat membuat organisasi sendiri atau me-representasikan informasi yang didapat pada saat pembelajaran
3. Kelebihan Jaringan Syaraf Tiruan terletak pada kemampuan belajar yang dimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskan kaidah atau fungsinya. Jaringan Syaraf Tiruan akan belajar mencari sendiri kaidah atau fungsi tersebut. Dengan demikian Jaringan Syaraf Tiruan mampu digunakan untuk menyelesaikan masalah yang rumit dan atau masalah yang terdapat kaidah atau fungsi yang tidak diketahui.
DAFTAR PUSTAKA
http://ai-a-fharjo.blogspot.com/?zx=cf5d7eef6bd70685
http://www.ittelkom.ac.id/library/index.php?view=article&catid=15%3Apemrosesan-sinyal&id=381%3Apengenalan-pola&option=com_content&Itemid=15
http://id.wikipedia.org/wiki/Jaringan_saraf_tiruan
PENDAHULUAN
Tidak ada dua otak manusia yang sama, setiap otak selalu berbeda. Beda dalam ketajaman, ukuran dan pengorganisasiannya. Salah satu cara untuk memahami bagaimana otak bekerja adalah dengan mengumpulkan informasi dari sebanyak mungkin scan otak manusia dan memetakannya. Hal tersebut merupakan upaya untuk menemukan cara kerja rata-rata otak manusia itu. Peta otak manusia diharapkan dapat menjelaskan misteri mengenai bagaimana otak mengendalikan setiap tindak tanduk manusia, mulai dari penggunaan bahasa hingga gerakan. Walaupun demikian kepastian cara kerja otak manusia masih merupakan suatu misteri. Meski beberapa aspek dari prosesor yang menakjubkan ini telah diketahui tetapi itu tidaklah banyak. Beberapa aspek-aspek tersebut, yaitu :
a) Tiap bagian pada otak manusia memiliki alamat, dalam bentuk formula kimia, dan sistem saraf manusia berusaha untuk mendapatkan alamat yang cocok untuk setiap akson (saraf penghubung) yang dibentuk.
b) Melalui pembelajaran, pengalaman dan interaksi antara sistem maka struktur dari otak itu sendiri akan mengatur fungsi-fungsi dari setiap bagiannya.
c) Axon-axon pada daerah yang berdekatan akan berkembang dan mempunyai bentuk fisik mirip, sehingga terkelompok dengan arsitektur tertentu pada otak.
d) Axon berdasarkan arsitekturnya bertumbuh dalam urutan waktu, dan terhubung Pada struktur otak yang berkembang dengan urutan waktu yang sama.
Berdasarkan keempat aspek tersebut di atas dapat ditarik suatu kesimpulan bahwa otak tidak seluruhnya terbentuk oleh proses genetis. Terdapat proses lain yang ikut membentuk fungsi dari bagian-bagian otak, yang pada akhirnya menentukan bagaimana suatu informasi diproses oleh otak.
Elemen yang paling mendasar dari jaringan saraf adalah sel saraf. Sel-sel saraf inilah membentuk bagian kesadaran manusia yang meliputi beberapa kemampuan umum. Pada dasarnya sel saraf biologi menerima masukan dari sumber yang lain dan mengkombinasikannya dengan beberapa cara, melaksanakan suatu operasi yang non-linear untuk mendapatkan hasil dan kemudian mengeluarkan hasil akhir tersebut.
Dalam tubuh manusia terdapat banyak variasi tipe dasar sel saraf, sehingga proses berpikir manusia menjadi sulit untuk direplikasi secara elektrik. Sekalipun demikian, semua sel saraf alami mempunyai empat komponen dasar yang sama. Keempat komponen dasar ini diketahui berdasarkan nama biologinya yaitu, dendrit, soma, akson, dan sinapsis. Dendrit merupakan suatu perluasan dari soma yang menyerupai rambut dan bertindak sebagai saluran masukan. Saluran masukan ini menerima masukan dari sel saraf lainnya melalui sinapsis. Soma dalam hal ini kemudian memproses nilai masukan menjadi sebuah output yang kemudian dikirim ke sel saraf lainnya melalui akson dan sinapsis.
Penelitian terbaru memberikan bukti lebih lanjut bahwa sel saraf biologi mempunyai struktur yang lebih kompleks dan lebih canggih daripada sel saraf buatan yang kemudian dibentuk menjadi jaringan saraf buatan yang ada sekarang ini. Ilmu biologi menyediakan suatu pemahaman yang lebih baik tentang sel saraf sehingga memberikan keuntungan kepada para perancang jaringan untuk dapat terus meningkatkan sistem jaringan saraf buatan yang ada berdasarkan pada pemahaman terhadap otak biologi.
Sel saraf-sel saraf ini terhubung satu dengan yang lainnya melalui sinapsis. Sel saraf dapat menerima rangsangan berupa sinyal elektrokimiawi dari sel saraf-sel saraf yang lain. Berdasarkan rangsangan tersebut, sel saraf akan mengirimkan sinyal atau tidak berdasarkan kondisi tertentu. Konsep dasar semacam inilah yang ingin dicoba para ahli dalam menciptakan sel tiruan.
Jaringan Syaraf Tiruan dibuat pertama kali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits, namun teknologi yang tersedia pada saat itu belum memungkinkan mereka berbuat lebih jauh
. Sejarah penemuan tentang jaringan syaraf tiruan yaitu :
• Pada tahun 1940-an, para ilmuwan menemukan bahwa psikologi otak sama dengan model pemrosesan yang dilakukan oleh Komputer
• Tahun1943, McCulloch dan Pitts merancang model formal yang pertama kali sebagai perhitungan dasar neuron.
• Tahun 1954, Farley dan Clark mensetup model-model untuk relasi adaptif stimulus-respon dalam jaringan random.
• Tahun1958, Rosenblatt mengembangkankonsepdasartentangperception untukklasifikasipola.
• Tahun 1960, Widrow dan Hoff mengembangkan ADALINE yang dilatih dengan pembelajaran Least Mean Square (LMS).
• Tahun 1974, Werbos memperkenalkan algoritma backpropagation.
• Tahun 1975, Little dan Shaw menggambarkan jaringan syaraf dengan probabilistic.
• Tahun1982, Kohonen mengembangkan metode pembelajaran jaringan syaraf yang tidak terawasi untuk pemetaan.
• Tahun1982, Grossberg mengembangkan teori jaringan.
• Tahun1982, Hopfield mengembangkan jaringan syaraf recurrent.
• Tahun1985, algoritma pembelajaran dengan mensin Boltzmann.
• Tahun1987, Kosko mengembangkan jaringan Adaptive Bidirectional Associative Memory (BAM).
• Tahun1988, dikembangkan fungsi radial bebas.
BAB II
JARINGAN SYARAF TIRUAN
A. Jaringan Saraf Tiruan
Jaringan syaraf tiruan (JST) (Bahasa Inggris : artificial neural network (ANN) atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. JST merupakan system adaptif yang dapat merubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut.
Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan, seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran.
Jaringan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan digunakan karena jaringan syaraf ini di implementasikan dengan menggunakan program computer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran.
Jaringan Syaraf Tiruan keluar dari penelitian kecerdasan buatan, terutama percobaan untuk menirukan fault-tolerence dan kemampuan untuk belajar dari sistem syaraf biologi dengan model struktur low-level dari otak. Otak terdiri dari sekitar (10.000.000.000) sel syaraf yang saling berhubungan. Sel syaraf mempunyai cabang struktur input (dendrites), sebuah inti sel dan percabangan struktur output (axon). Axon dari sebuah sel terhubung dengan dendrites yang lain melalui sebuah synapse. Ketika sebuah sel syaraf aktif, kemudian menimbulkan suatu signal electrochemical pada axon. Signal ini melewati synapses menuju ke sel syaraf yang lain. Sebuah sel syaraf lain akan mendapatkan signal jika memenuhi batasan tertentu yang sering disebut dengan nilai ambang atau (threshold).
B. Perbandingan Jaringan Syaraf Tiruan dengan Konvensional
Jaringan Syaraf Tiruan memiliki pendekatan yang berbeda untuk memecahkan masalah bila dibandingkan dengan sebuah komputer konvensional. Umumnya komputer konvensional menggunakan pendekatan algoritma (komputer konvensional menjalankan sekumpulan perintah untuk memecahkan masalah). Jika suatu perintah tidak diketahui oleh komputer konvensional maka komputer konvensional tidak dapat memecahkan masalah yang ada. Sangat penting mengetahui bagaimana memecahkan suatu masalah pada komputer konvensional dimana komputer konvensional akan sangat bermanfaat jika dapat melakukan sesuatu dimana pengguna belum mengatahui bagaimana melakukannya.
Jaringan Syaraf Tiruan dan suatu algoritma komputer konvensional tidak saling bersaing namun saling melengkapi satu sama lain. Pada suatu kegiatan yang besar, sistim yang diperlukan biasanya menggunakan kombinasi antara keduanya (biasanya sebuah komputer konvensional digunakan untuk mengontrol Jaringan Syaraf Tiruan untuk menghasilkan efisiensi yang maksimal. Jaringan Syaraf Tiruan tidak memberikan suatu keajiban tetapi jika digunakan secara tepat akan menghasilkan sasuatu hasil yang luar biasa
C. Prototipe Biologi dan Neuron Buatan
Neuron merupakan suatu jaringan syaraf yang berfungsi untuk mentransformasikan informasi yang diterima melalui sambungan keluarnya menuju neuron-neuron yang lain. Pada jaringan syaraf hubungan antar neuro-neuron dikenal dengan nama bobot. Seperti yang terlihat pada gambar dibawah:
Gambar 1. Hubungan antar neuron-neuron pada jaringan syaraf
Pada jaringan syaraf, neuron-neuron akan dikumpulkan dalam lapisan-lapisan (layer) yang disebut dengan lapisan neuron (layers). Informasi yang diberikan pada jaringan syaraf akan dirambatkan dari lapisan ke lapisan, mulai dari lapisan input sampai ke lapisan output melalui lapisan yang lainnya, yang dikenal dengan lapisan tersembunyi (hidden layer), tergantung pada algoritma pembelajarannya, bias jadi informasi tersebut akan dirambatkan secara mundur pada jaringan
D. ARSITEKTUR JARINGAN SYARAF TIRUAN
Faktor terpenting untuk menentukan kelakuan suatu neuron adalah fungsi aktivasi dan pola bobotnya. Ada beberapa arsitektur jaringan syaraf antara lain :
a. Jaringan dengan lapisan tunggal (single layer net)
• Hanya memiliki satu lapisan dengan bobot-bobot yang terhubung
• Jaringan ini hanya menerima input kemudian secara langsung akan mengolahnya menjadi output tanpa harus melalui lapisan tersembunyi.
Gambar 2. Jaringan dengan lapisan tunggal
b. Jaringan dengan banyak lapisan (multilayer net)
• Memiliki 1 atau lebih lapisan yang terletak diantara lapisan input dan lapisan output
• Ada lapisan yang berbobot yang terletak diantara 2 kapisan yang bersebelahan
Gambar 3. Jaringan dengan banyak lapisan
c. Jaringan dengan lapisan kompetitif (competitive layer net)
• Hubungan antar neuron tidak diperlihatkan secara langsung pada arsitektur
• Hubungan antar neuron dapat digambarkan sebagai jaring yang rumit
Gambar 4. Jaringan syaraf dengan lapisan kompetitif
E. FUNGSI AKTIVASI JARINGAN SYARAF
a. Fungsi Undak Biner (hard Limit)
Jaringan dengan lapisan tunggal sering menggunakan fungsi undak untuk menkonversi input dari suatu variable yang bernilai kontinu ke suatu output biner. Fungsi hard limit dirumuskan sebagai berikut :
b. Fungsi Undak Biner (Threshold)
Fungsi undak biner dengan menggunakan nilai ambang sering disebut fungsi nilai ambang atau fungsi Heaviside. Dirumuskan :
c. Fungsi Bipolar
Fungsi ini hamper sama dengan fungsi undak biner, hanya saja output yang di hasilkan berupa 1,0,-1 atau fungsi Symetric Hard Limit dirumuskan sebagai berikut :
d. Fungsi Bipolar dengan Threshold
Fungsi ini menghasilkan output berupa 1,0 atau -1, dengan rumusan sebagai berikut:
e. Fungsi Linear (identitas)
Fungsi linear memiliki nilai output yang sama dengan nilai inputnya, yang dirumuskan dengan Y = X
f. Fungsi Sturating Linear
Fungsi ini akan bernilai 0 jika inputnya kuarang dari - ½ , dan akan bernilai 1 jika inputnya lebih dari ½. Sedangkan jika nilai input terletak antara – ½ dan ½ , maka
outputnya akan bernilai sama dengan nilai input ditambah ½ . fungsi Sturating Linear dirumuskan sebagai berikut :
g. Fungsi Symmetric Sturating Linear
Fungsi ini akan bernilai -1 jika inputnya kurang dari -1. Sedangkan jika nilai input terletak antara -1 dan 1, maka outpunya akan bernilai sama dengan nilai inputnya.
Fungsi Symetric Sturating Linear dirumuskan sebagai berikut :
h. Fungsi Sigmoid Biner
Fungsi ini, digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode backpropagation. Memiliki nilai pada range 0 sampai 1. Fungsi Sigmoid Biner dirumuskan :
i. Fungsi Sigmoid Bipolar
Output dari fungsi ini memiliki range antara 1 sampai -1, dan dirumuskan :
F. PROSES PEMBELAJARAN JARINGAN SYARAF
Umumnya, jika menggunakan Jaringan Syaraf Tiruan, hubungan antara input dan output harus diketahui secara pasti dan jika hubungan tersebut telah diketahui maka dapat dibuat suatu model. Hal lain yang penting adalah proses belajar hubungan input/output dilakukan dengan pembelajaran. Ada dua tipe pembelajaran yang dikenal yaitu :
pembelajaran terawasi dan pembelajaran tak terawasi.
a) Pembelajaran Terawasi (supervised Learning)
Metode pembelajaran pada jaringan syaraf terawasi jika output yang diharapkan telah diketahui sebelumnya.
b) PembelajaranTakTerawasi(unsupervised learning)
Pada metode pembelajaran takterawasi ini tidak memerlukan target output. Tujuan metode ini adalah pengelompokan unit-unit yang hamper sama dalam suatu area tertentu.
G. PENDEKATAN LOGIKA SAMAR (FUZY LOGIC)
Fuzzy logic (logika fuzzy ) atau biasa disebut dengan logika samar merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang out put didasari oleh konsep himpunana fuzzy.
Gambar : pemetaan input-output
Diantara input dan output terdapat blackbox . Di dalam black box, terdapat proses yang tidak diketahui, bias di dekati dengan system pendekatan linear, ekonometri, interpolasi, system pakar atau logika fuzzy dan lain-lain.
H. Perceptron
Perceptron termasuk kedalam salah satu bentuk Jaringan Syaraf Tiruan yang
sederhana. Perceptron biasanya digunakan untuk mengklasifikasikan suatu tipe pola tertentu yang sering dikenal dengan istilah pemisahan secara linear. Pada dasarnya perceptron pada Jaringan Syaraf dengan satu lapisan memiliki bobot yang bisa diatur dan suatu nilai ambang. Algoritma yang digunakan oleh aturan perceptron ini akan mengatur parameter-parameter bebasnya melalui proses pembelajaran. Fungsi aktivasi dibuat sedemikian rupa sehingga terjadi pembatasan antara daerah positif dan daerah negatif.
Gambar perceptron
I. NETWORK SELF-ORGANIZING UNTUK PENGENALAN POLA
Jaringan syaraf tiruan merupakan salah satu metode pengenalan pola. Pengenalan pola itu sendiri merupakan teknik yang bertujuan untuk mengklasifikasikan citra yang telah diolah sebelumnya berdasarkan kesamaan atau kemiripan cirri yang dimilikinya.
Mengadopsi esensi dasar dari system syaraf biologi, syaraf tiruan digambarkan sebagai berikut : Menerima input atau masukan (baik dari data yang dimasukkan atau dari output sel syaraf pada jaringan syaraf. Setiap input datang melalui suatu koneksi atau hubungan yang mempunyai sebuah bobot (weight). Setiap sel syaraf mempunyai sebuah nilai ambang. Jumlah bobot dari input dan dikurangi dengan nilai ambang kemudian akan mendapatkan suatu aktivasi dari sel syaraf (post synaptic potential,PSP, dari sel syaraf). Signal aktivasi kemudian menjadi fungsi aktivasi / fungsi transfer untuk menghasilkan output dari sel syaraf.
J. APLIKASI JARINGAN SYARAF TIRUAN
Jaringan Syaraf Tiruan mampu menggambarkan setiap situasi adanya sebuah hubungan antara variabel predictor (independents, inputs) dan variabel predicted (dependents, outputs), ketika hubungan tersebut sangat kompleks dan tidak mudah untuk menjelaskan kedalam istilah yang umum dari “correlations” atau “differences between groups”. Beberapa contoh permasalahan yang dapat dipecahkan secara baik oleh Jaringan Syaraf Tiruan antara lain :
a. Deteksi Fenomena Kedokteran
Berbagai indikasi yang berhubungan dengan kesehatan (kombinasi dari denyut jantung, tingkatan dan berbagai substansi dalam darah, dll) dapat dimonitoring. Serangan pada kondisi kesehatan tertentu dapat dihubungan dengan perubahan kombinasi yang sangat kompeks (nonlinear dan interaktif) pada subset dari variabel, dapat dimonitoring. Jaringan Syaraf Tiruan telah digunakan untuk mengenali pola yang diperkirakan sehingga perlakuan yang tepat dapat dilakukan.
b. Untuk mendeteksi golongan darah manusia
Dengan menggunakan pengolahan citra. Manusia berusaha keras dengan segala kemampuannya untuk menirukan kehebatan yang mereka miliki, misalnya seorang dokter dengan keahliannya dapat membedakan golongan darah manusia antara A, B, AB, dan O. Dengan pendekatan kecerdasan buatan, manusia berusaha menirukan bagaimana pola-pola dibentuk. Jaringan Syaraf Tiruan telah dikembangkan sebagai generalisasi model matematik dari pembelajaran manusia.
c. Prediksi Pasar Saham
Fluktuasi dari harga saham dan index saham adalah contoh lain yang kompleks, multidimesi tetapi dalam beberapa kondisi tertentu merupakan phenomena yang dapat prediksi. Jaringan Syaraf Tiruan telah digunakan oleh analis teknik untuk membuat prediksi tentang pasar saham yang didasarkan atas sejumlah faktor seperti keadaan masa lalu bursa yang lain dan berbagai indikator ekonomi.
BAB III
KESIMPULAN
Jaringan Syaraf Tiruan mulai dilirik banyak kalangan karena mempunyai banyak kelebihan dibandingkan system konvensional. Jaringan Syaraf Tiruan mewakili pikiran manusia untuk mendekatkan diri dengan komputer, maksudnya Jaringan Syaraf Tiruan dirancang agar komputer dapat bekerja seperti/layaknya otak manusia. Berikut ini beberapa keunggulan dari Jaringan Syaraf Tiruan adalah :
1. Memiliki kemampuan untuk melakukan suatu kegiatan yang didasarkan atas data yang diberikan pada saat pembelajaran atau dari pengalaman sebelumnya.
2. Dapat membuat organisasi sendiri atau me-representasikan informasi yang didapat pada saat pembelajaran
3. Kelebihan Jaringan Syaraf Tiruan terletak pada kemampuan belajar yang dimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskan kaidah atau fungsinya. Jaringan Syaraf Tiruan akan belajar mencari sendiri kaidah atau fungsi tersebut. Dengan demikian Jaringan Syaraf Tiruan mampu digunakan untuk menyelesaikan masalah yang rumit dan atau masalah yang terdapat kaidah atau fungsi yang tidak diketahui.
DAFTAR PUSTAKA
http://ai-a-fharjo.blogspot.com/?zx=cf5d7eef6bd70685
http://www.ittelkom.ac.id/library/index.php?view=article&catid=15%3Apemrosesan-sinyal&id=381%3Apengenalan-pola&option=com_content&Itemid=15
http://id.wikipedia.org/wiki/Jaringan_saraf_tiruan
Kamis, 07 Oktober 2010
ELDC
ELDC(electric double layer capacitor) adalah kapasitor yang memiliki kemempuan untuk menyimpan muatan yang banyak. Prinsip kerjanya sama dengan kapasitor yang biasa. ELDC ini elektrodanya menggunakan karbon. Karbon digunakan karena pada karbon memilki pori yang dapat digunakan untuk menyimpan muatan. Proses penyimpanan muatan terjadi di dalam dinding karbon yang berinteraksi dengan ion-ion dari elektrolit. Pada ELDC karbon yang baik untuk digunakan adalah karbon yang memiliki ukuran mikropori.
pencemaran udara
PENCEMARAN UDARA
Secara umum terdapat 2 sumber pencemaran udara yaitu pencemaran akibat sumber alamiah (natural sources), seperti letusan gunung berapi, dan yang berasal dari kegiatan manusia (aniropogenic sources), seperti yang berasal dari transportasi, emisi pabrik, dan lain-lain. Di dunia dikenal 6 jenis zat pencemar udara utama yang berasal dari kegiatan manusia yaitu :
1. Karbon monoksida (CO),
2. Oksida. Sulfur (Sox),
3. Nitrogen Oksida(NOx),
4. Partikulat, Hidrokarbon (HQ,
5. Oksida foto kimia
6. Ozon.
Di Indonesia sekarang ini kurang lebih 70% pencemaran udara di sebabkan emisi kendaraan bermotor kendaraan bermotor mengeluarkan. zat-zat berbahaya yang dapat menimbulkan dampak. negative, baik terhadap kesehatan manusia maupun terhadap lingkungan, seperti timbale/timah hitam (Pb) Kendaraan bermotor menyumbang hampir 100% timbal.
Masyarakat miskin di Jakarta sangat dirugikan oleh pencemaran udara mereka dipastikan banyak menderita berbagai macam penyakit. Namun sebaliknya masyarakat kalangan atas terhindar dari serangan pencemaran udara ini karena dapat tinggal di rumah yang tertutup, terlindung dari pencemaran udara (dengan air condition terpasang dalam gedung mereka. atau mengendarai mobil tertutup dengan AC yang sejuk). Para pengemudi bis umum sendiri terserang oleh pencemaran udara karena mereka bersama-saina dengan masyarakat miskin lainnya berada di udara terbuka penuh dengan udara. beracun. Menurut penelitian seorang ahli lingkungan Indonesia 98.80% bis umum di Jakarta mengeluarkan gas buang yang melanggar ambang batas emisi udara. Kesadaran pengusaha angkutan bis dan pengemudi bis Jakarta menyangkut pencemaran udara sangat rendah.
Selain itu pencemaran udara dapat menimbulkan hujan asam, pengikisan lapisan ozon, kerusakan pada tanaman, pelapukan bangunan atau patung-patung yang terbuat dari batu serta dapat mempercepat empat kali lebih cepat proses pengaratan pada benda-benda yang terbuat dari besi. Yang lebih mengerikan lagi adalah bahwa pencemaran udara ini dapat menyebabkan kerusakan lingkungan lebih jauh yaitu menimbulkan efek rumah kaca.
PERMASALAHAN
Berdasarkan latar belakang masalah tersebut, maka rumusan masalah riset ini adalah Pengaruh Pencemaran Udara terhadap Kesehatan dapat dilihat pada tabel dibawah ini :
No. Parameter pencemar Dihasilkan dari Jenis
Bahan Bakar Pengaruh
1. Karbon Monoksida (CO) - Bensin/Premix
- BBm 2 Tak
- Gas - Menurunkan kapasitas darah untuk membawa oksigen
- Melemahkan kemampuan berpikir
- Memperberat penyakit jantung dan pernapasan
- Menyebabkan sakit kepala (pusing)
2. Karbon Dioksida (CO2) - Bensin/Premix
- BBM 2 Tak
- Gas - Mempengaruhi iklim dunia
- Melalui green house
effect
3. Nitrogen Dioksida (NO2) - Bensin/Premix
- Solar
- BBM 2 Tak - Memperberat penyakit jantung dan pernapasan
- Iritasi paru-paru
- Menyebabkan hujan asam
- Menghambat pertumbuhan
- Menurunkan visualitas atmospir
4. Hidrokarbon (HC) - Bensin/Premix
- Solar
- BBM 2 Tak - Melalui sistem pernapasan , beberapa senyawa hidrokarbon dapat menyebabkan kanker
5. Partikel debu, jelaga, asap - BBM 2 Tak
- Solar - Menyebabkan kanker
- Mmperberat penyakit jantung dan pernapasan
- Mengganggu fotosintesa tanaman
- Menurunkan visualitas atmospir
PEMBAHASAN
Karbon Dioksida terdapat pada Atmosfer bumi dalam kepekatan sekitar 0,003%. Walaupun ia ada pada kepekatan yang rendah ia memainkan peranan penting dalam iklim bumi. Radiasi sinar matahari yang masuk mengandung panjang gelombang yang berbeda-beda tetapi pada saat mengenai permukaan bumi sebagian besar energi dirubah menjadi radiasi inframerah. Karbon dioksida merupakan penyerap inframerah yang kuat dan sifat ini membantu mencegah radiasi inframerah meninggalkan bumi. Pengaruh Rumah Kaca ini dipengaruhi oleh proporsi karbon dioksida dalam atmosfer bumi. Hujan, Keragaman suhu musiman dan tinggi air laut semuanya dipengaruhi oleh suhu bumi dan iklim.
A. Dampak Pencemaran Udara
Berdasarkan studi Bank Dunia pencemaran udara merupakan pembunuh kedua bagi anak balita di jakarta, 14% bagi seluruh kematian balita seluruh Indonesia dan 6% bagi seluruh angka kematian penduduk Indonesia. Jakarta sendiri adalah kota dengan kualitas terburuk ketiga di dunia.
Dampak terhadap kesehatan yang disebabkan oleh pencemaran udara akan terakumulasi dari hari kehari. Pemaparan dalam jangka waktu lama akan berakibat pada berbagai gangguan kesehatan, seperti bronchitis, emphysema, dan kanker paru-paru. Dampak kesehatan yang diakibatkan oleh pencemaran udara berbeda-beda antar individu. Populasi yang paling rentan adalah kelompok individu berusia lanjut dan balita. Menurut penelitian di Amerika Serikat, kelompok balita lebih besar dibandingkan orang dewasa. Kelompok balita lebih rentan karena antaranya, yaitu faktor kelembagaan dan aparat serta kesadaran hukum masyarakat, menjadi sebab utama, semakin turunnya kualitas udara di kota-kota besar.
PEMECAHAN MASALAH
Penanggulangan pencemaran udara tidak dapat dilakukan tanpa menanggulangi penyebabnya. Mempertimbangkan sektor transportasi sebagai kontributor utama pencemaran udara maka sektor ini harus mendapat perhatian utama.
Dewasa ini sistem transportasi mengalami krisis, seperti krisis energi dan krisis lingkungan terutama, pencemaran gas buang kendaraan bermotor. Upaya-upaya yang telah dilakukan Ditjen perhubungan darat untuk meningkatkan kualitas emisi gas buang kendaraan bermotor, antara lain: pendekatan teknologi ramah lingkungan inspection dan and maintenance kendaraan bermotor, penetapan standar emisi gas buang untuk kendaraan yang sudah berjalan serta pendekatan manajemen lalu-lintas yang baik. Teknologi otomotif saat ini di upayakan untuk diubah atau ditingkatkan menjadi teknologi berwawasan lingkungan salah satu pengembangan teknologi otomotif ramah lingkungan yang telah dilakukan oleh industtri kendaraan bermotor adalah penyempurnaan dari segi desain maupun perlengkapan treatment emisi gas buang.
Secara umum terdapat 2 sumber pencemaran udara yaitu pencemaran akibat sumber alamiah (natural sources), seperti letusan gunung berapi, dan yang berasal dari kegiatan manusia (aniropogenic sources), seperti yang berasal dari transportasi, emisi pabrik, dan lain-lain. Di dunia dikenal 6 jenis zat pencemar udara utama yang berasal dari kegiatan manusia yaitu :
1. Karbon monoksida (CO),
2. Oksida. Sulfur (Sox),
3. Nitrogen Oksida(NOx),
4. Partikulat, Hidrokarbon (HQ,
5. Oksida foto kimia
6. Ozon.
Di Indonesia sekarang ini kurang lebih 70% pencemaran udara di sebabkan emisi kendaraan bermotor kendaraan bermotor mengeluarkan. zat-zat berbahaya yang dapat menimbulkan dampak. negative, baik terhadap kesehatan manusia maupun terhadap lingkungan, seperti timbale/timah hitam (Pb) Kendaraan bermotor menyumbang hampir 100% timbal.
Masyarakat miskin di Jakarta sangat dirugikan oleh pencemaran udara mereka dipastikan banyak menderita berbagai macam penyakit. Namun sebaliknya masyarakat kalangan atas terhindar dari serangan pencemaran udara ini karena dapat tinggal di rumah yang tertutup, terlindung dari pencemaran udara (dengan air condition terpasang dalam gedung mereka. atau mengendarai mobil tertutup dengan AC yang sejuk). Para pengemudi bis umum sendiri terserang oleh pencemaran udara karena mereka bersama-saina dengan masyarakat miskin lainnya berada di udara terbuka penuh dengan udara. beracun. Menurut penelitian seorang ahli lingkungan Indonesia 98.80% bis umum di Jakarta mengeluarkan gas buang yang melanggar ambang batas emisi udara. Kesadaran pengusaha angkutan bis dan pengemudi bis Jakarta menyangkut pencemaran udara sangat rendah.
Selain itu pencemaran udara dapat menimbulkan hujan asam, pengikisan lapisan ozon, kerusakan pada tanaman, pelapukan bangunan atau patung-patung yang terbuat dari batu serta dapat mempercepat empat kali lebih cepat proses pengaratan pada benda-benda yang terbuat dari besi. Yang lebih mengerikan lagi adalah bahwa pencemaran udara ini dapat menyebabkan kerusakan lingkungan lebih jauh yaitu menimbulkan efek rumah kaca.
PERMASALAHAN
Berdasarkan latar belakang masalah tersebut, maka rumusan masalah riset ini adalah Pengaruh Pencemaran Udara terhadap Kesehatan dapat dilihat pada tabel dibawah ini :
No. Parameter pencemar Dihasilkan dari Jenis
Bahan Bakar Pengaruh
1. Karbon Monoksida (CO) - Bensin/Premix
- BBm 2 Tak
- Gas - Menurunkan kapasitas darah untuk membawa oksigen
- Melemahkan kemampuan berpikir
- Memperberat penyakit jantung dan pernapasan
- Menyebabkan sakit kepala (pusing)
2. Karbon Dioksida (CO2) - Bensin/Premix
- BBM 2 Tak
- Gas - Mempengaruhi iklim dunia
- Melalui green house
effect
3. Nitrogen Dioksida (NO2) - Bensin/Premix
- Solar
- BBM 2 Tak - Memperberat penyakit jantung dan pernapasan
- Iritasi paru-paru
- Menyebabkan hujan asam
- Menghambat pertumbuhan
- Menurunkan visualitas atmospir
4. Hidrokarbon (HC) - Bensin/Premix
- Solar
- BBM 2 Tak - Melalui sistem pernapasan , beberapa senyawa hidrokarbon dapat menyebabkan kanker
5. Partikel debu, jelaga, asap - BBM 2 Tak
- Solar - Menyebabkan kanker
- Mmperberat penyakit jantung dan pernapasan
- Mengganggu fotosintesa tanaman
- Menurunkan visualitas atmospir
PEMBAHASAN
Karbon Dioksida terdapat pada Atmosfer bumi dalam kepekatan sekitar 0,003%. Walaupun ia ada pada kepekatan yang rendah ia memainkan peranan penting dalam iklim bumi. Radiasi sinar matahari yang masuk mengandung panjang gelombang yang berbeda-beda tetapi pada saat mengenai permukaan bumi sebagian besar energi dirubah menjadi radiasi inframerah. Karbon dioksida merupakan penyerap inframerah yang kuat dan sifat ini membantu mencegah radiasi inframerah meninggalkan bumi. Pengaruh Rumah Kaca ini dipengaruhi oleh proporsi karbon dioksida dalam atmosfer bumi. Hujan, Keragaman suhu musiman dan tinggi air laut semuanya dipengaruhi oleh suhu bumi dan iklim.
A. Dampak Pencemaran Udara
Berdasarkan studi Bank Dunia pencemaran udara merupakan pembunuh kedua bagi anak balita di jakarta, 14% bagi seluruh kematian balita seluruh Indonesia dan 6% bagi seluruh angka kematian penduduk Indonesia. Jakarta sendiri adalah kota dengan kualitas terburuk ketiga di dunia.
Dampak terhadap kesehatan yang disebabkan oleh pencemaran udara akan terakumulasi dari hari kehari. Pemaparan dalam jangka waktu lama akan berakibat pada berbagai gangguan kesehatan, seperti bronchitis, emphysema, dan kanker paru-paru. Dampak kesehatan yang diakibatkan oleh pencemaran udara berbeda-beda antar individu. Populasi yang paling rentan adalah kelompok individu berusia lanjut dan balita. Menurut penelitian di Amerika Serikat, kelompok balita lebih besar dibandingkan orang dewasa. Kelompok balita lebih rentan karena antaranya, yaitu faktor kelembagaan dan aparat serta kesadaran hukum masyarakat, menjadi sebab utama, semakin turunnya kualitas udara di kota-kota besar.
PEMECAHAN MASALAH
Penanggulangan pencemaran udara tidak dapat dilakukan tanpa menanggulangi penyebabnya. Mempertimbangkan sektor transportasi sebagai kontributor utama pencemaran udara maka sektor ini harus mendapat perhatian utama.
Dewasa ini sistem transportasi mengalami krisis, seperti krisis energi dan krisis lingkungan terutama, pencemaran gas buang kendaraan bermotor. Upaya-upaya yang telah dilakukan Ditjen perhubungan darat untuk meningkatkan kualitas emisi gas buang kendaraan bermotor, antara lain: pendekatan teknologi ramah lingkungan inspection dan and maintenance kendaraan bermotor, penetapan standar emisi gas buang untuk kendaraan yang sudah berjalan serta pendekatan manajemen lalu-lintas yang baik. Teknologi otomotif saat ini di upayakan untuk diubah atau ditingkatkan menjadi teknologi berwawasan lingkungan salah satu pengembangan teknologi otomotif ramah lingkungan yang telah dilakukan oleh industtri kendaraan bermotor adalah penyempurnaan dari segi desain maupun perlengkapan treatment emisi gas buang.
sejarah kecerdasan buatan
SEJARAH KECERDASAN BUATAN
Tahun 1950 – an Alan Turing, seorang pionir AI dan ahli matematika Inggris melakukan percobaan Turing (Turing Test) yaitu sebuah komputer melalui terminalnya ditempatkan pada jarak jauh. Di ujung yang satu ada terminal dengan software AI dan diujung lain ada sebuah terminal dengan seorang operator. Operator itu tidak mengetahui kalau di ujung terminal lain dipasang software AI. Mereka berkomunikasi dimana terminal di ujung memberikan respon terhadap serangkaian pertanyaan yang diajukan oleh operator. Dan sang operator itu mengira bahwa ia sedang berkomunikasi dengan operator lainnya yang berada pada terminal lain.
Turing beranggapan bahwa jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia).
Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas ” pada 1943 yang meletakkan pondasi untuk jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “kecerdasan buatan ” pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.
Tahun 1950 – an Alan Turing, seorang pionir AI dan ahli matematika Inggris melakukan percobaan Turing (Turing Test) yaitu sebuah komputer melalui terminalnya ditempatkan pada jarak jauh. Di ujung yang satu ada terminal dengan software AI dan diujung lain ada sebuah terminal dengan seorang operator. Operator itu tidak mengetahui kalau di ujung terminal lain dipasang software AI. Mereka berkomunikasi dimana terminal di ujung memberikan respon terhadap serangkaian pertanyaan yang diajukan oleh operator. Dan sang operator itu mengira bahwa ia sedang berkomunikasi dengan operator lainnya yang berada pada terminal lain.
Turing beranggapan bahwa jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia).
Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas ” pada 1943 yang meletakkan pondasi untuk jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “kecerdasan buatan ” pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.
fisika nuklir
.Fisika Nuklir dan Fisika Partikel
Saat kini kita mengenal tiga sumber besar penghasil berbagai partikel elemen antara lain sinar kosmik, reaktor nuklir dan pemercepat partikel.Angkasa bumi pada dasarnya mengalami pembombandiran oleh partikel yang berenergi tinggi misalnya proton yang berasal dari luar angkasa. Ketika partikel-partikel yang berenergi tinggi tersebut bertubrukkan dengan atom-atom pada bagian lapisan udara terluar akan dihasilkan hujan partikel (karena berbentuk seperti hujan). Sumber partikel seperti ini disebut sebagai SINAR KOSMIK”. Pada umumnya sebagian besar partikel-partikel yang dihasilkan dalam sinar kosmik tersebut adalah partikel elemen lain yang disebut sebagai MUON” (). Muon adalah partikel elemen yang bermuatan negatip seperti halnya elektron, tetapi muon memiliki massa yang jauh lebih besar dari elektron. Berdasarkan hasil penelitian muon memiliki massa sekitar 200 kali lebih besar dari massa elektron.
Reaktor nuklir dewasa ini dapat menghasilkan berbagai jenis partikel misalnya dengan cara meluruhkan zat yang bersifat radioaktif. Peluruhan zat radioaktif secara umum dapat menghasilkan neutron, sinar alpha () yang merupakan gabungan dasar dari partikel neutron dan partikel proton, sinar beta () yang terdiri dari elektron dan sinar gamma () yang disebut juga FOTON”.
Pemercepat partikel merupakan suatu rangkaian peralatan yang dapat menaikkan kecepatan partikel saat bergerak. Salah satu cara untuk mempercepat partikel adalah dengan menginjeksikan energi dan mengatur besarnya elektromagnetik yang dipergunakan pada berkas partikel sehingga partikel dapat mencapai energi kinetik yang diharapkan dalam pergerakkannya. Saat sekarang telah dapat dihasilkan berbagai berkas sinar partikel misalnya berkas sinar positron, berkas sinar antiproton, berkas sinar muon dan lain-lain.Beberapa pemercepat partikel terbesar dunia yang masih aktip dan masih menghasilkan data penelitian sampai sekarang antara lain:
Stanford Linear Accelerator Center (SLAC), California, USA.
Saat kini kita mengenal tiga sumber besar penghasil berbagai partikel elemen antara lain sinar kosmik, reaktor nuklir dan pemercepat partikel.Angkasa bumi pada dasarnya mengalami pembombandiran oleh partikel yang berenergi tinggi misalnya proton yang berasal dari luar angkasa. Ketika partikel-partikel yang berenergi tinggi tersebut bertubrukkan dengan atom-atom pada bagian lapisan udara terluar akan dihasilkan hujan partikel (karena berbentuk seperti hujan). Sumber partikel seperti ini disebut sebagai SINAR KOSMIK”. Pada umumnya sebagian besar partikel-partikel yang dihasilkan dalam sinar kosmik tersebut adalah partikel elemen lain yang disebut sebagai MUON” (). Muon adalah partikel elemen yang bermuatan negatip seperti halnya elektron, tetapi muon memiliki massa yang jauh lebih besar dari elektron. Berdasarkan hasil penelitian muon memiliki massa sekitar 200 kali lebih besar dari massa elektron.
Reaktor nuklir dewasa ini dapat menghasilkan berbagai jenis partikel misalnya dengan cara meluruhkan zat yang bersifat radioaktif. Peluruhan zat radioaktif secara umum dapat menghasilkan neutron, sinar alpha () yang merupakan gabungan dasar dari partikel neutron dan partikel proton, sinar beta () yang terdiri dari elektron dan sinar gamma () yang disebut juga FOTON”.
Pemercepat partikel merupakan suatu rangkaian peralatan yang dapat menaikkan kecepatan partikel saat bergerak. Salah satu cara untuk mempercepat partikel adalah dengan menginjeksikan energi dan mengatur besarnya elektromagnetik yang dipergunakan pada berkas partikel sehingga partikel dapat mencapai energi kinetik yang diharapkan dalam pergerakkannya. Saat sekarang telah dapat dihasilkan berbagai berkas sinar partikel misalnya berkas sinar positron, berkas sinar antiproton, berkas sinar muon dan lain-lain.Beberapa pemercepat partikel terbesar dunia yang masih aktip dan masih menghasilkan data penelitian sampai sekarang antara lain:
Stanford Linear Accelerator Center (SLAC), California, USA.
hukum biot-stavart
6.2 Hukum Biot -Savart
Medan nagnet yang ditimbulkan oleh arus mantap pada suatu garis (kawat) dinyatakan sebagaimana hukum Biot-Savart:
(6.6)
Bagaimana menentukan arah medan magnet di titik P oleh elemen kawat berarus dl? Untuk mentukan arah medan magnet berdasarkan (6.6) harus dikuasai opasi vektor dengan benar. Arah dB oleh elemen dl dientukan oleh dl x r0, caranya adalah pindahkan vektor dl dan r0 dengan pangkal vektor pada titik P, selanjutnya ingat aturan sekrup putar kanan, diputar dari dl ke r0. Hasilnya dB ke luar menuju pembaca.
Sebagai aplikasi hukum Biot – Savart adalah penentuan medan magnet di sekitar kawat lurus yang sangat panjang:
Gambar 5.4 Penentuan medan magnet disekitar kawat lurus berarus
Dari ketentuan arah perkalian dl x r0 keluar tegak lurus bidang kertas, dan besarnya:
berdasarkan gambar:
Sehingga rumus Biot-Savart menjadi
sedangkan batas integrasi :
Pada kawat yang panjang sekali 1 = -/2 dan 2 = /2. dan diperoleh:
(6.7)
Gambar 5.5 Arah medan magnet di sekitar kawat berarus
Medan nagnet yang ditimbulkan oleh arus mantap pada suatu garis (kawat) dinyatakan sebagaimana hukum Biot-Savart:
(6.6)
Bagaimana menentukan arah medan magnet di titik P oleh elemen kawat berarus dl? Untuk mentukan arah medan magnet berdasarkan (6.6) harus dikuasai opasi vektor dengan benar. Arah dB oleh elemen dl dientukan oleh dl x r0, caranya adalah pindahkan vektor dl dan r0 dengan pangkal vektor pada titik P, selanjutnya ingat aturan sekrup putar kanan, diputar dari dl ke r0. Hasilnya dB ke luar menuju pembaca.
Sebagai aplikasi hukum Biot – Savart adalah penentuan medan magnet di sekitar kawat lurus yang sangat panjang:
Gambar 5.4 Penentuan medan magnet disekitar kawat lurus berarus
Dari ketentuan arah perkalian dl x r0 keluar tegak lurus bidang kertas, dan besarnya:
berdasarkan gambar:
Sehingga rumus Biot-Savart menjadi
sedangkan batas integrasi :
Pada kawat yang panjang sekali 1 = -/2 dan 2 = /2. dan diperoleh:
(6.7)
Gambar 5.5 Arah medan magnet di sekitar kawat berarus
Langganan:
Postingan (Atom)