<?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="10771">
 <titleInfo>
  <title>Pemodelan Dan Prediksi Conducted Emission Menggunakan Machine Learning Dengan Algoritma Support Vector Machine (SVM)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Jodhy Pradana</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>1520301078</namePart>
  <role>
   <roleTerm type="text">Additional Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Pekanbaru</placeTerm>
   <publisher>Pustaka Politeknik Caltex Riau</publisher>
   <dateIssued>2019</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent>xii, 55 hlm.; 21 cm</extent>
 </physicalDescription>
 <note>Perangkat elektronik dapat menghasilkan emisi yang tidak diinginkan, baik&#13;
radiated maupun conducted. Beberapa teknik yang telah digunakan untuk&#13;
mengurangi emisi diantaranya filter, shielding, modifikasi switching, dan&#13;
perancangan converter. Salah satu cara untuk mengetahui emisi tersebut adalah&#13;
prediksi emisi yang memiliki kelebihan dapat mengurangi biaya pengembangan&#13;
dan waktu. Pada penelitian ini dilakukan prediksi level daya EMI conducted&#13;
emission yang ditimbulkan oleh LED driver menggunakan beberapa sinyal&#13;
pemodulasi periodik (sinyal sinus, sinyal segitiga, dan dan sinyal kotak) dan sinyal&#13;
pemodulasi non periodik (sinyal noise) dengan frekuensi dari 150 KHz - 30MHz&#13;
dan amplitudo 0 – 1,2 V. Karakteristik dan EMI conducted emission yang didapat&#13;
digunakan sebagai data training pada machine learning. Dengan menggunakan&#13;
machine learning dapat mengetahui seberapa akurat level daya EMI conducted&#13;
emission yang diprediksi algoritma SVM (Support Vector Machine). Machine&#13;
learning akan menampilkan hasil dari perbandingan antara data training dan data&#13;
testing untuk mengetahui keakurasian level daya EMI conducted emission yang&#13;
dihasilkan LED driver. Dari data tersebutlah hasil prediksi didapatkan, dimana pada&#13;
algoritma SVM (Support Vector Machine) hasil akurasi yang didapat pada sinyal&#13;
periodik (sinyal sinus memiliki rata-rata 97,257%, sinyal segitiga memiliki ratarata 95,262%, dan sinyal kotak memiliki rata-rata 92,02%) dan sinyal non periodik&#13;
(sinyal noise memiliki rata-rata 91,022%).&#13;
Kata kunci : Conducted Emmision, Machine Learning, Algoritma Support Vector&#13;
Machine (SVM)</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>PA Teknik Elektronika Telekomunikasi</topic>
 </subject>
 <classification>PA TET</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Politeknik Caltex Riau Politeknik Caltex Riau</physicalLocation>
  <shelfLocator>PA TET</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">PA1520301078</numerationAndChronology>
    <sublocation>Perpustakaan PCR</sublocation>
    <shelfLocator></shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="" url="" path="/" mimetype=""></slims:digital_item>
  <slims:digital_item id="6853" url="" path="KP_PA/POSTER/PA1520301078_poster_pa.jpg" mimetype="image/jpeg">Poster - Pemodelan Dan Prediksi Conducted Emission Menggunakan Machine Learning Dengan Algoritma Support Vector Machine (SVM)</slims:digital_item>
 </slims:digitals>
 <recordInfo>
  <recordIdentifier>10771</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2019-07-24 00:00:00</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2020-01-13 15:21:07</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>