Taman Nasional Baluran

East Side Of Paradise.

Pages

Sabtu, 19 Juli 2014

Kata-Kata Romantis Nan Indah

KATA-KATA ROMANTIS

1. Namanya senja. Dia kawan untuk mengenangmu saat ini. Tapi dia bisu meskipun aku terus berceloteh tentangmu. Hanya gerimis di matanya yang berkilauan dan mengkristal.

2. Hilangkan lelah kenangan tadi malam, seseorang bahkan masih terletih-letih di kamarnya. Lupa ia menyibakkan tirai airmata dan mematikan pelita rindu. Juga masih mabuk karena selintas senyummu dimimpinya lah penyebabnya.

3. Dan bila ia telah lama jenuh menunggu, dan aku sudah lelah mencari, bagaimana kami kan kau pertemui?

4. Perempuan adalah misteri, Mata perempuan saja sudah sedalam lautan, bayangkan sedalam apa hatinya.

5.Cinta saja bisa sulap, apalagi rindu.

6. Ketika kau lihat dia sekarang, fikir jua lah dia seorang penghibur kesusahan, seorang yang tenang jiwa nya, seakan dia kau sangka tak punya beban hati. Tapi sebenarnya dia seorang pemenung, penghiba hati, batinnya bertarung diantara harapan kosong dan keinginan yang patah, suka menyisihkan diri ke sawah yang luas, suka merenungi wajah merapi, dan sering dia melamun seperti para perokok berat. Yah itulah, kau sedang memandangku !

7. Cinta itu subjektif. Dan berpisah kadang jadi jalan yang paling objektif. Hanya kamu yang terlihat samar ; kau tak nyata. ! Kau siapa ?

8. You still make me smile, in my nightmare.

9. Terkadang bingung harus memilih mengenang apa hari ini. Jika cuaca sampai panas membakar akan membuatku mati kehausan rindu. Pun jika
hujan gerimis turun menggenang lah ia di langit-langit dadaku sampai sesak.

10. Sungguh. Setelah perempuan-perempuan ikut tidur bersama anaknya, setelah anak muda selesai mengaji di surau, setelah ayam masuk kandang, setelah semua lampu dipadamkan, setelah tikus dimangsa burung hantu, dan nasi makan malam telah dingin, dia masih terpaku melihatkan bulan terang benderang, bulan di antara tanggal 15 dan 16. Dia ajak alam besar itu bertutur, percakapan jiwanya sendiri, seakan mengadukan nasibnya yang malang, yang patut alam itu ikut meratapinya


11. Jalanan basah, rerintik gerimis, purnama bercahaya, aku dan kamu saling melempar senyum, berjalan bergandengan dalam khayalan.

12. Lalu pada malam itu, naik lah dua doa permohonan gaib ; sedang engkau terisak meminta aku agar hilang dari hatimu, dan aku hanya meminta padaNYA dengan sisa cahaya yang redup disana. Lalu tuhan pun menertawakan..

13. Dilembaran hari yang mana dariku kau akan berhenti bersembunyi? Aku takut jika akhirnya aku terbiasa sendiri lalu berhenti mencari.

14. Hanya menjadi tissu penyeka air mata yang mengkristal di pipimu saat kau menangis, lalu kau buang di sudut gelap hatimu. Ah, sial. Sekarang kemana harus ku cari penghapus kesepian saat ku butuh. Engkau ?

15. Terimakasih. Hanya dengan ber 'Hai.'saja kenangan selama apapun akan terobati. Seperti musafir gurun pasir yang hanya diberi segelas air saja. Meskipun belum cukup sembuh ternyata.

16. Kau begitu langit yang jauh terengkuh. setetes gerimis rindu malam ini hanya mengingat kau tersenyum, aku meleleh. kau menangis, aku sakit. Sial.

17. Untuk jodohku yang disana, cantik dan kaya juga tidak apa. Asalkan sholehah dan terimaku seadanya. Selamat malam minggu saya(ng). aku
single, Kamu siapa ??

18. Bunga yang bermekaran dipinggir jalan juga mulai ikut berganti. Aku masih berfikir apa nama bunga yang bermekar di musim itu.? Ah, bukan urusanku sekarang. Yang jelas aku ingat saat tertiup angin dulu, bergemetar tanganku mengingat harumnya yang memabukkan rindu..

19. Bukanlah maksud. jangan tersenyum seperti itu padaku, aku tak mau separuh hatimu jatuh tertinggal disini. Mewariskan benih yang nantinya terkadung menjadi cinta dan rindu.

20. Kau dilahirkan dengan kemampuan untuk terbang setelah jatuh. Tapi kenapa kau memilih untuk merangkak setelah itu ?

21. Bermacam2 perasa'an yang bergelora hebat semalam itu dan jiwa nya ganjil, beraneka warna; bercampur diantara cinta dan takut, kesenangan pikiran dan kesedihan, bertempur di antara pengharapan yang besar dan keinginan yang dirasakan patah. Dalam dia menangis, tiba-tiba berganti tersenyum. Dalam senyum dia kembali mengeluh panjang. Entahlah, dia sendiripun masih ragu. Padahal biasanya senyuman dan air mata itu adalah dua musuh yang tak mau berdamai.

22. Nanti, pada waktunya, aku akan menjadi ayah, kakak, teman, suami, kekasih, imam dan segala peran yang kau butuh agar nyaman. Percayakan saja padaku, bila kau mau, pasti ku mampu..

23. Rindu barangkali deret harap yang patah di lelah penantianmu. Sedangkan cinta, mungkin ia hanyalah sinonim dari sesuatu yang telah lama hilang. Sama saja....

24. Tuhan tidak pernah tidur. Dia ciptakan kopi sebagai barang bukti. Selamat malam para penikmat insomnia

25. Kadang aku ingin menjadi seekor semut, yang mati bahagia saat coba meraih ujung senyum manismu, manisku.

26. Kau lah entah yang belum juga mampu ku jamah, sedangkan aku pengembara yang mulai lelah, bersandar pada doa-doa yang tabah.

27. Bila kau, ragu yang menggantung di ujung dedaun itu. Maka doaku pastilah reranting, yang menahanmu dari jatuh, memelukmu dari jauh.

28. Misalnya kau mengacuhkanku, takkan aku gelisah. Anggap saja kini aku menjelma angin, tak mungkin tak kau hirup meskipun kau tak ingin. KARENA KAU SEBAGAI UDARA, YANG DIHISAP DALAM LIKU NAFAS HIDUPKU YANG TURUN-NAIK

29. Hanya sesaat saja, dan itupun membuatnya retak terbelah. Bukan sepele jika dibiarkan terlalu lama. Karena sama pentingnya dengan sikat gigi waktu malam, yang membuatmu takkan mudah tidur karena sakitnya.

30. Bener-bener gak ngerti deh sama kelakuan anak kucing jaman sekarang.

31. Bulan sabit, secangkir cappucino dan sebuah file curian bernama '428214_n.JPG'. Ah, maaf. Belum sempat kuganti menjadi 'KAU.jpg'..

32. Saat tak seorang pun bisa diajak bicara. Aku terkadang bercerita pada segelas kopi, lalu menyeruput kesunyian dalam- dalam, menghirup pahit manis aroma kenangan.

33. Ingin menjadi korek api. Walau tak mampu menyala sendiri, setidaknya mungkin dapat menawarimu hangat, saat kau merasa sepi dalam dingin yang pekat. Saat mentari pagi datang terlambat.

34. Ketika jatuh cinta, akan ada satu nama yang mengencangkan debar jantungmu. Saat terluka, nama itu meloncat ke paru-paru, mencekik, menyesakkan seluruh hela napas di dadamu.

35. Masih berusaha keras untuk "menjadi diri Anda"? Mengapa Anda tidak menerima permintaan saya untuk "menjadi milikku". Itulah lebih mudah

36. Adalah kau, pelita yang pudarkan gulita. Seseorang yang selalu kupinta dalam doa-doa, yang masih Tuhan jaga, hingga akhirnya nanti kita bersama.
37. Aku melihat kebahagiaanmu seperti melihat pelangi. Cahaya yang berada diatas kepala orang lain. Dan aku pun terusir menjadi bayanganmu.

sumber : http://www.kaskus.co.id/thread/52a186bff8ca1792598b45c1/bokap-setuju-ane-sebarin-di-kaskus-puitis-gan/

Senin, 14 Juli 2014

Sifat Fisik Tanah

SIFAT FISIK TANAH
Fungsi pertama tanah sebagai media tumbuh adalah tempat akar mencari ruang untuk berpenetrasi (menelusup) ,baik secara lateral atau horizontal maupun secara vertical Secara keseluruhan sifat-sifat fisik tanah ditentukan oleh :
1.Ukuran dan komposisi partikel-partikel hasil pelapukan bahan penyusun tanah
2.Jenis dan proporsi komponen-komponen penyusun partikel-partikel ini
3.Keseimbangan antara suplai air ,energy dan bahan dengan kehilangannnya dan
4.Intensitas reaksi kimiawi dan biologis yang telah atau sedang berlangsung.

1. Tekstur
Fraksi pasir(2-0,2mm),debu (silt) (0,2-0,002mm) dan clay dibawah <0,002mm, namun pada tahun 1979 menurut Lal klasifikasinya menurut system USDA sebagai acuannya.maka : a. Makin poreus tanah akan makin mudah akar untuk berpenetrasi,serta air dan udara mudah bersikulasi b. Makin tidak poreus tanah akan makin sulit akar untuk berpenetrasi,serta makin sulit air dan udara bersikulasi c. Oleh karena itu tanah yang baik dicerminkan oleh komposisi ideal dari kedua kondisi ini Fraksi pasir dan debu lebih berperan secara fisik sedangkan fraksi liat lebih berperan secara kimiawi ketimbang secara fisik. Berdasarkan kelas teksturnya tanah digolongkan menjadi : a. Tanah berteksktur kasar atau tanah berpasir berarti tanah yang mengandung minimal 70% pasir b. Tanah bertekstur halus atau tanah berliat mengandung minimal 37,5% liat c. Tanah bertekstur sedang atau tanah berlempung yaitu 1. Tanah bertekstur sedang tetapi agak kasar yaitu lempung berpasir(sandy loam) 2. Tanah bertekstur sedang meliputi bertekstur lempung berpasir sangat halus,lempung,lempung berdebu, atau debu 3. Tanah bertekstur sedang tetapi agak halus mencangkup lempung liat,lempung liat berpasir,lempung liat berdebu. Melalui pengetahuan-pengetahuan tentang sifat-sifat fraksi pasir, debu dan liat sebagaimana dijelaskan sebelumnya, apabila kelas tekstur tanah diketahui, maka gambaran umum tentang sifat fisik tanah dapat diperkirakan. Di laboratoratrium, tekstur tanah umumnya ditetapkan melalui dua metode, yaitu metode pipet (kurang teliti) atau metode hydrometer (lebih teliti), yang keduanya didasarkan pada perbedaan kecepatan jaatuhnya partikel-partikel tanah didalam air. Peran tekstur tanah akan mempengaruhi pertumbuhan dan produksi tanaman. 2. Struktur
Mencerminkan ukuran partikel dari fraksi-fraksi tanah,maka struktur merupakan kenampakan bentuk atau susunan partikel-partikel primer tanah hingga partikel sekunder (atau ped(gumpalan)) yang membentuk agregat (bongkah).
Struktur tanah berfungsi memodifikasi pengaruh tekstur terhadap kondisi drainase atau aerasi tanah. Oleh karena itu, tanah yang mempunyai struktur baik akan mempunyai kondisi drainase dan aerasi yang baik pula, sehingga akan lebih memudahkan sistem perakaran tanaman. Lal (1979) mempnyai peran sebagai regulator yang :
1. Menyinambungkan arah pipa yang terbentuk dari berbagai ukuran pori-pori yang berinterkoneksi,stabilitas dan stabilitasnya
2. Mengatur retensi dan pergerakan air tanah
3. Difusi gas dari dan ke atmosfer
4. Mengontrol proliferasi(pertumbuhan) akar dan perkembangannya
Kemudian secara langsung atau tak langsung terkait dengan :
5. Erosi air atau angina
6. Penggenangan dan aerasi tanah
7. Stress tanaman akibat kekeringan
8. Pelindian atau kehilangan hara-hara tanamn
9. Temperature tanah

3. Mekanisme Pembentukan Struktur
Struktur dapat berkembang dari butiran tunggal atau masif. Lima mekanisme utama yang menyatukan partikel-partikel tersebut adalah :
1. Aktivitas akar pada saat berkembang
2. Pergerakan air yang mengikuti arah perkembangan akar
3. Aktivitas keluar masuknya tanah
Secara umum terdapat tiga kelompok bahan kolodial (partikel berdiameter < 1 µm) yang bertindak sebagai pereket, yaitu : 1. Mineral-mineral liat koloidal 2. Oksida-oksida besi dan mangan koloidal 3. Bahan organik koloidal, termasuk hasil perombakan sel-sel mikroba. Pentingnya para lendir mikrobial sebagai agen pengikut adalah menjamin kelangsungan aktivitas mikroba dalam proses pembentukan ped. Pada tanah latosol di daerah tropis, agen pengikut yang terpenting adalah Fe-Oksida karena tingginya Fe-Oksida pada tanah ini. Konsistensi Tanah Konsistensi merupakan ketahan tanah terhadap tekanan gaya-gaya dari luar, yang merupakan derajat indikator manifestasi kekuatan terhadap gaya-gaya fisik yang bekerja pada tingkat kejenuhan airnya. Konsisitensi dapat dibedakan dalam tiga kadar air tanah, yaitu: Konsisitensi basah (untuk menilai derajat kelekatan tanah, derajat kelenturan tanah). 4. Bobot Tanah
Bobot merupakan kerapatan tanah per satuan volume yang dinyatakan dalam dua batasan yaitu:
1. Kerapatan partikel, adalah bobot massa partikel padat per satuan volume tanah.
2. Kerapatan massa adalah bobot massa tanah. Kondisi lapangan yang dikering-keringkan per satuan volume.

5. Porositas
Porositas adalah proporsi ruang pori total (ruang kososng) yang terdapat dalam satuan volume tanah yang dapat ditempati oleh air dan udara. Berdasarkan diameter ruangnya, pori-pori tanah dipilah menjadi tiga kelas, yaitu :
1. Makropori (diamater > 90 µm)
2. Mesopori (diamater 90-30 µm)
3. Mikropori (< 30 µm)
Apabila dikaitkan dengan struktur tanah, maka permeabilitas atau perkolasi:
1. Lambat merupakan karakter tanah bertekstur halus atau tanah mengandung minimal 37,5% liat
2. Sedang merupakan karakter tanah bertekstur sedang atau tanh berlempung, terdiri dari :
3. Cepat merupakan karakter tanah bertekstur kasar atau tanah berpasir, yaitu tanah yang mengandung minimal 70% pasir atau bertekstur pasir atau pasir berlempung.
Kemudian apabila dikaitkan dengan praktik pemupukan, maka pada tanah yang berpermeabilitas dan perkolasi cepat, bahan-bahan yang akan diberikan cepat hilang sehingga menjadi tidak efisien.

Neurosolution untuk Analisa Numerik

1. NeuroSolutions
NeuroSolutions adalah lingkungan simulasi jaringan syaraf utama. Sebuah jaringan saraf adalah sistem beradaptasi yang dapat mempelajari hubungan melalui presentasi data yang diulang, dan mampu generalisasi dengan yang baru, data yang sebelumnya tak terlihat. Beberapa jaringan diawasi, bahwa manusia harus menentukan apa jaringan harus belajar dari data. Jaringan lain yang tanpa pengawasan, dalam cara mereka mengatur informasi adalah keras-kode ke dalam arsitektur mereka.
Jaringan saraf yang digunakan untuk kedua regresi dan klasifikasi. Dalam regresi, output mewakili beberapa yang diinginkan, transformasi pola input. Dalam klasifikasi, tujuannya adalah untuk menetapkan pola masukan ke salah satu dari beberapa kategori atau kelas, biasanya diwakili oleh output dibatasi untuk berbohong dalam kisaran dari 0 ke 1, sehingga mereka mewakili kemungkinan keanggotaan kelas. Untuk regresi, dapat ditunjukkan bahwa jaringan saraf dapat belajar setiap pemetaan input-output yang diinginkan jika mereka memiliki jumlah yang cukup dari elemen pemrosesan dalam lapisan tersembunyi Untuk klasifikasi, jaringan saraf dapat belajar probabilitas klasifikasi yang benar.
Ada tiga tingkat neuroSolutions, semua yang memungkinkan untuk menerapkan model saraf sendiri. Untuk versi pengguna menyediakan berbagai model saraf untuk aplikasi pengenalan pola statis, serta fitur optimasi geneti yang kuat. Versi konsultan menawarkan model yang disempurnakan yang mendukung pengenalan pola dinamis, prediksi time series dan pengendalian proses masalah.
Untuk versi developer menambahkan ANSI C + + generasi kode yang kompatibel, yang memungkinkan Anda untuk menanamkan algoritma NeuroSolutions 'ke dalam aplikasi Anda sendiri (termasuk belajar). Hal ini juga memungkinkan setiap simulasi prototyped dalam NeuroSolutions untuk dijalankan pada platform lain, misalnya komputer yang lebih cepat atau embedded system real time. Selain itu, versi ini memungkinkan untuk memperluas fungsionalitas dari NeuroSolutions dengan mengintegrasikan saraf algoritma jaringan, preprocessing, kontrol, dan input / output sendiri
NeuroSolutions untuk Excel adalah sebuah aplikasi yang berdiri sendiri yang mencakup teknik tradisional linear regresi serta probabilistik dan jaringan saraf multi-layer perceptron. Hal ini juga dapat diintegrasikan dengan salah satu dari tiga tingkat NeuroSolutions untuk menyediakan lingkungan yang sangat kuat untuk memanipulasi data, membuat laporan, dan menjalankan batch percobaan. Dalam neurosolutions for excel topologi dibatasi oleh :
1. Linear Regression
2. Multilayer Perceptrons (MLP)
3. Generalized Feedforward Network
4. Probabilistic Neural Network (PNN)
Tambahan fitur lainnya adalah sebagai berikut :
1. Data Preprocessing dan Analisis
2. Analisis sensitivitas
3. Membangun dan membandingkan beberapa model di klik tombol
4. Laporan ditingkatkan untuk analisis mudah dan penyebaran
5. Fitur-fitur canggih yang tersedia dengan salinan berlisensi dari NeuroSolutions
Selama pelatihan, input dan data yang diinginkan akan berulang kali disajikan ke jaringan. Sebagai jaringan belajar, kesalahan akan turun menuju nol. Rendah kesalahan, namun tidak selalu berarti sebuah jaringan yang lebih baik. Hal ini dimungkinkan untuk berlatih dgn berlebihan jaringan. Validasi silang adalah kriteria sangat dianjurkan untuk menghentikan pelatihan jaringan. Meskipun sangat dianjurkan, tidak diperlukan. Satu akan sering ingin mencoba beberapa jaringan menggunakan data hanya pelatihan untuk melihat mana yang terbaik, dan kemudian menggunakan validasi silang untuk pelatihan akhir.
Bila menggunakan validasi silang, langkah berikutnya adalah untuk memutuskan bagaimana membagi data Anda ke dalam satu set pelatihan dan satu set validasi, juga disebut set tes. Jaringan dilatih dengan training set, dan kinerja diperiksa dengan test set. Jaringan saraf akan menemukan peta input-output dengan berulang kali menganalisis training set. Ini disebut fase pelatihan jaringan . Sebagian besar usaha desain jaringan saraf dihabiskan dalam tahap pelatihan. Pelatihan biasanya lambat karena bobot jaringan sedang diperbarui berdasarkan informasi kesalahan. Kadang-kadang pelatihan akan ketegangan kesabaran desainer. Tapi hati-hati dikendalikan fase pelatihan sangat diperlukan untuk kinerja yang baik, jadi bersabarlah. Kode NeuroSolutions (') ditulis untuk mengambil keuntungan maksimum dari sumber daya komputer Anda. Akselerator Hardware untuk NeuroSolutions yang benar-benar transparan kepada pengguna yang akan datang.
Ada kebutuhan untuk memantau seberapa baik jaringan belajar. Salah satu metode yang paling sederhana adalah untuk mengamati bagaimana elevasi muka air waduk, yang merupakan perbedaan kuadrat antara output jaringan dan respon yang diinginkan, perubahan atas iterasi pelatihan . Ini grafik kesalahan output dibandingkan iterasi disebut kurva belajar . Gambar di bawah menunjukkan kurva belajar yang khas. Perhatikan bahwa pada prinsipnya kurva belajar menurun secara eksponensial menjadi nol atau konstan kecil. Satu harus puas dengan kesalahan kecil. Seberapa kecil tergantung pada situasi, dan penghakiman Anda harus digunakan untuk menemukan apa nilai error yang sesuai untuk masalah Anda. Tahap pelatihan juga memegang kunci untuk solusi yang akurat, sehingga kriteria untuk menghentikan pelatihan harus sangat baik digambarkan . Tujuan dari kriteria berhenti adalah untuk memaksimalkan generalisasi jaringan.
Perhitungan Neural memiliki gaya . Tidak seperti metode pengolahan informasi yang lebih berbasis analitis, perhitungan saraf secara efektif mengeksplorasi informasi yang terkandung dalam input data, tanpa asumsi lebih lanjut. Metode statistik didasarkan pada asumsi tentang input data ( yaitu a priori probabilitas , fungsi kepadatan probabilitas , dll ). Kecerdasan buatan mengkodekan pengetahuan manusia apriori dengan sederhana IF THEN aturan, melakukan inferensi ( pencarian ) pada aturan-aturan ini untuk mencapai kesimpulan. Jaringan saraf, di sisi lain "menemukan " hubungan dalam set data input melalui presentasi berulang dari data dan karakteristik intrinsik pemetaan topologi saraf ( biasanya disebut sebagai pembelajaran ). Ada dua fase dasar dalam operasi jaringan saraf. Pelatihan atau fase dimana data berulang kali disajikan ke jaringan, sedangkan bobot itu diperbarui untuk mendapatkan respon yang diinginkan pembelajaran dan recall atau fase pengambilan, di mana jaringan dilatih dengan bobot beku diterapkan pada data yang tidak pernah terlihat. Tahap pembelajaran sangat memakan karena sifat iteratif mencari performa terbaik waktu. Tapi begitu jaringan dilatih, tahap pengambilan bisa sangat cepat, karena pengolahan dapat didistribusikan.
NeuroSolutions memiliki satu jenis dokumen, papan tempat memotong roti. Simulasi yang dibangun dan dijalankan pada breadboards. Dengan NeuroSolutions, merancang jaringan saraf sangat mirip dengan prototipe sebuah sirkuit elektronik. Dengan sirkuit elektronik, komponen seperti resistor, kapasitor dan induktor pertama kali disusun pada papan tempat memotong roti. NeuroSolutions bukan menggunakan komponen saraf seperti akson, sinapsis dan probe . Komponen tersebut kemudian dihubungkan bersama untuk membentuk sebuah rangkaian. Rangkaian elektronik melewati elektron antara komponen-komponennya . Rangkaian ( yaitu jaringan saraf ) dari NeuroSolutions lewat kegiatan antara komponen-komponennya, dan disebut mesin aliran data. Akhirnya, sirkuit yang diuji dengan memasukkan data dan menyelidiki respon sistem (') di berbagai titik . Sebuah sirkuit elektronik akan menggunakan instrumen, seperti osiloskop, untuk tugas ini . Sebuah jaringan NeuroSolutions menggunakan satu atau lebih komponen dalam keluarga probe ( misalnya, MegaScope ).
2. Metode NeuroSolutions
2.1. Multi Layer Perception
2.1.1. Breadboard
Jaringan telah dikonstruksi oleh interkoneksi beberapa objek syaraf, juga sebagai komponen. Komponen lainnya telah sesuai icon dan sebuah performa spesific pada simulasi jaringan. Neurosolutions mempunyai sekitar 100 componen yang terkoneksi untuk mengkonstruksi sebuah varietas maya dari model jaringan syaraf. Tujuan ini adalah untuk menampilkan bagaimanan komponen syaraf dapat terkoneksi dari sebuah jaringan syaraf. Neurosolutions mempunyai dua keluarga utama untuk membangun topologi jaringan syaraf, pertama axon dan yang kedua adalah sinapsis.
2.1.2. File
Jaringan kita membutuhkan sumber data sebagai input. Disini kita menambahkan komponen file, yang mana adalah sebagai anggota dari kelas input. Menggunakan komponen ini, kita bisa membaca data dari file yang mempunyai variasi format. Komponen ini juga normalisasi dan segment file data. Komponen input lainnya memasukkan fungsi dan pembangkit acak suara.
2.2. Kohonen Feature Maps
2.2.1. Noise
Data asli datang dari komponen fungsi dan konsistensi dari 8 x-y pasang data sepanjang sebuah lingkaran, kita dapat noise ke sepasang data melalui komponen noise, menunjukkan tumpukan pada komponen fungsi. Implementasi komponen noise ini diantara gaussian dan noise uniform, dengan kontrol dari kedua rata-rata dan variasi. Disini kita akan mengatur distribusi uniform dari rata-rata 0 dan variasi 0,1. Running masukan untuk satu epochs dan observasi distribusi pada contoh 8 original.
2.2.2. Self-Organizing map
Ini terdiri dari sebuah garis sinapsis kohonen diikuti oleh sebuah pemenang pengambil semua axon. Kita menggunakan sebuah transmitter untuk menggambarkan bobot kohonen, yang mana dapat mewakili pusat kelompok, langsung diatas data masukan. Untuk membuat masukan data masukan lebih terlihat, kita akan akumulasi 160 contoh dari pasang x-y sebelum memperbaharui penyebaran alur. Lakukan simulasi untuk 500 epochs. Ulangi beberapa waktu dan observasi bagaimana sering bobot dari kohonen sinapsis terakhir grup pusat dari masukan.

3. Pengerjaan Menggunakan NeuroSolutions 6.0
Langkah-langkah sebagai berikut:

1. Membuka Program
2. Klik Add-Ins kemudian Tag Data untuk memasukan Kolom Input dan Desired (Output). Sebagai input adalah kolom inflow, outflow dan h. Untuk desired adalah kolom EL. MAW.
3. Klik Add-Ins kemudian Tag Data untuk memasukan Baris Training, Cross Validation dan Production. Baris Training (E2-H60), Cross Validation (E61-H70) dan Testing (E71-H81), untuk Testing ini diambil data E10.
4. Terbentuklah warna hitam (Training)
5. Terbentuklah warna merah (Cross Validation) dan warna biru (Testing)
6. Selanjutnya data akan di train
7. Data yang akan di train menggunakan epochs 5, 10, 20, 30, 40, 50, 100, 1000.
8. Hasil epochs 5 (Train 1)
9. Kemudian dilakukan testing
10. Testing 1 (Cross Validation), Testing 2 (Trainning)


kalau butuh file lengkapnya, silahkan komen ya...
makasih
:)