<mods:mods xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" version="3.3" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>Perancangan Sistem Pengidentifikasian Aroma&#13;
Menggunakan Jaringan Saraf Tiruan Metoda Kohonen</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Febrizal</mods:namePart><mods:namePart type="family">Ramadhan</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Hidung merupakan alat indera manusia yang menanggapi rangsang berupa bau (aroma) atau zat kimia yang berupa gas. Aroma merupakan salah satu parameter yang penting dalam menentukan kualitas suatu produk. Hadirnya&#13;
teknologi biomimetik telah memunculkan sensor aroma yang memungkinkan untuk mengekstrak informasi dari sebuah sampel yang diberikan. MQ adalah sensor untuk mendeteksi kandungan gas pada suatu aroma, sedangkan untuk identifikasi kandungan gas sebatas mengetahui persentase tingkat kemurnian dari&#13;
zat kimia. Pada tugas akhir ini sistem pengidentifikasian aroma menggunakan jaringan saraf tiruan.Jaringan saraf tiruan (JST) adalah suatu sistem pemrosesan informasi yang&#13;
mempunyai karakteristik yang menyerupai jaringan saraf manusia. Jaringan saraf tiruan tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia (human cognition). Dalam proses pedeteksian aroma menggunakan&#13;
motede jaringan kohonen. Metode kohonen adalah pembelajaran tanpa pengarahan (pembelajaran tanpa supervisi).&#13;
Data pelatihan JST menggunakan konverter ADC sensor gas MQ. Nilai ADC sensor  dari gas aroma yang diberikan digunakan sebagai input terdiri dari 4 variabel yaitu MQ-2, MQ-3, MQ-4, dan MQ-6. Terdapat 4 target output yaitu parfum, asap, korek api dan tanpa gas. Pelatihan atau pembelajaran pada&#13;
perancangan ini menngunakan 100 data yang mana masing-masing 25 data parfum (pola 1), 25 data asap (pola 2), 25 data korek api (pola 3), dan 25 data tanpa gas (pola 4). Hasil prediksi menunjukan angka 94% dengan error yang&#13;
sangat kecil.</mods:abstract><mods:classification authority="lcc">TK Electrical engineering. Electronics Nuclear engineering</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8601">2017-03-10</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas Negeri Padang;Teknik Elektro S1 FT UNP</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>