@misc{eprints68711,
           month = {Desember},
           title = {PERBANDINGAN KEMAMPUAN NEURAL HAMMERSTEIN, NEURAL
WIENER, HAMMERSTEIN-WIENER MODEL DALAM PEMODELAN
LANTHANUM MAGNETO-ELECTRO DEPOSITION},
          author = {Devica Gunada Freza },
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM},
            year = {2022},
             url = {http://digilib.unila.ac.id/68711/},
        abstract = {Lanthanum bisa didapatkan dengan proses electrowinning (elektrodeposisi).
Elektrodeposisi merupakan proses pendeposisian logam yang menggunakan arus
DC secara elektrolisis. Adanya medan magnet mempengaruhi pertumbuhan fraktal
atau morfologi deposit yang dihasilkan. Kehadiran medan magnet menyebabkan
peningkatan terhadap limiting current dan pertumbuhan yang seragam, serta
permukaan deposisi logam yang lebih seragam. Elektrodeposisi mempuyai masalah
utama yaitu kekasaran pada lapisan yang dihasilkan (pertumbuhan kristal yang
tidak seragam). Proses MED akan menghasilkan nilai pembatas (ib) untuk
mendapatkan nilai pembatas (ib) diperlukan senyawa-senyawa dan alat-alat seperti
luas area elektroda (A), konsentrasi elektron-aktif (C), kinematik viskositas
elektrolit (V), koefisien difusi (D), kuat medan magnet (B), dan jumlah elektron
yang terlibat dalam proses MED (n). Penelitian magneto electrodeposition ini
cenderung membutuhkan senyawa-senyawa yang mahal, Oleh karena itu, perlu
adanya solusi untuk menekan biaya senyawa yang mahal dari proses magneto
electrodeposition (MED) pada lanthanum. Salah satu solusi yang ditawarkan
melalui metode matematis adalah dengan menggunakan pemodelan Neural
Hammerstein Model, Neural Wiener Model dan Hammerstein Wiener Model untuk
menduga nilai dari arus pembatas (ib) terbaik dengan membandingkan Mean
Square Error (MSE), Mean Absolute Percentage Error (MAPE), Mean Absolute
Error (MAE). Hasil dan analisis dari penelitian ini menunjukan bahwa
Hammerstein Wiener Model memiliki nilai error terkecil dan mampu memodelkan
proses nonlinear secara akurat serta mengungguli blok lainnya yang
dipertimbangkan.
Kata Kunci: Lanthanum, Neural Network, Neural Hammerstein, Neural Wiener,
Hammerstein Wiener, Mechine Learning}
}