<?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="16306">
<titleInfo>
<title><![CDATA[PEMODELAN RITME KALORI TERBAKAR SETIAP WAKTU SELAMA BERSEPEDA DENGAN FEEDFORWARD NEURAL NETWORK]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Muhammad Ichwan, Ir., M.T.</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Salman Fathul Alfarisyi / 152017075</namePart>
<role><roleTerm type="text">Penulis</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes"><![CDATA[mixed material]]></typeOfResource>
<genre authority="marcgt"><![CDATA[bibliography]]></genre>
<originInfo>
<place><placeTerm type="text"><![CDATA[Teknik Informatika]]></placeTerm></place>
<publisher><![CDATA[FTI]]></publisher>
<dateIssued><![CDATA[2023]]></dateIssued>
<issuance><![CDATA[monographic]]></issuance>
<edition><![CDATA[0]]></edition>
</originInfo>
<language>
<languageTerm type="code"><![CDATA[en]]></languageTerm>
<languageTerm type="text"><![CDATA[English]]></languageTerm>
</language>
<physicalDescription>
<form authority="gmd"><![CDATA[Text]]></form>
<extent><![CDATA[]]></extent>
</physicalDescription>
<note>Pemanfaatan teknologi dalam bidang kesehatan dan olahraga telah berkembang dengan pesat. Tersedia alat smartwatch dan aplikasi yang digunakan untuk mengukur performa olahraga. Aplikasi tersebut dapat menghitung total kalori terbakar selama berolahraga namun tidak memberikan rincian kalori terbakar setiap detiknya. oleh karena itu, penilitian ini bertujuan untuk memodelkan ritme kalori terbakar setiap detikanya selama bersepeda. Dalam penelitian ini diusulkan menggunakan metode Feedforward Neural Network untuk memprediksi jumlah kalori yang terbakar pada saat berolahraga sepeda. Arsitektur jaringan saraf tiruan Feedforward Neural Network terdiri dari 3 lapisan yaitu sebuah lapisan masukan, sebuah lapisan tersembunyi, dan sebuah lapisan keluaran. Masukan jaringan saraf tiruan adalah detak jantung (HRt), kecepatan kayuh (Cadt), berat badan(m) dan suhu (c) . Pada penelitian ini dengan menggunakan jaringan syaraf tiruan Feedforward Neural Network mendapatkan nilai 59 neuron pada lapisan tersembunyi dan mendapatkan nilai kesalahan sebesar 7%.</note>
<subject authority=""><topic><![CDATA[FeedForward Neural Network]]></topic></subject>
<subject authority=""><topic><![CDATA[Sepeda]]></topic></subject>
<subject authority=""><topic><![CDATA[Kecepatan Kayuh]]></topic></subject>
<subject authority=""><topic><![CDATA[Berat Badan]]></topic></subject>
<subject authority=""><topic><![CDATA[Detak Jantung]]></topic></subject>
<subject authority=""><topic><![CDATA[Kalori Terbakar]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[686IF/23]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[686IF/23]]></numerationAndChronology>
<sublocation><![CDATA[My Library]]></sublocation>
<shelfLocator><![CDATA[686IF/23]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="17642" url="" path="/152017075_686IF.pdf" mimetype="application/pdf"><![CDATA[PEMODELAN RITME KALORI TERBAKAR SETIAP WAKTU SELAMA BERSEPEDA DENGAN FEEDFORWARD NEURAL NETWORK]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[16306]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2023-09-20 08:39:11]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2023-09-20 08:39:25]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>