%0 Generic
%A AKBAR , HIDAYAT
%C UNIVERSITAS LAMPUNG
%D 2025
%F eprints:84618
%I FAKULTAS TEKNIK
%T IMPLEMENTASI NEURAL NETWORK UNTUK BANYAK RANGKAIAN  KOMBINASIONAL
%U http://digilib.unila.ac.id/84618/
%X Pengujian Integrated Circuit (IC) umumnya menggunakan Generator Set Test  (GST) untuk memastikan kualitas produksi. Pada setiap pengujian rangkaian  memerlukan satu unit GST. Sehingga mengakibatkan banyak GST pada setiap IC  pengujian. Hal ini membutuhkan biaya pengujian lebih besar. Prinsip kerja GST  pada dasarnya adalah seperti suatu fungsi rangkaian digital kombinasional.  Penelitian ini bertujuan untuk mengimplementasikan struktur neural network yang  dapat menggantikan berbagai fungsi rangkaian kombinasional dengan syarat  jumlah input dan output adalah sama. Sistem yang dirancang menggunakan lima  fungsi rangkaian kombinasional, masing-masing dengan tiga input dan satu output,  yang dimodelkan dalam arsitektur neural network. Karena struktur input dan output  adalah sama, kelima rangkaian ini dapat digantikan dengan satu neural network,  perbedaannya pada pengaturan bobotnya. Perbedaan bobot ini memungkinkan  pemilihan rangkaian yang diaktifkan secara fleksibel. Peneliti ini adalah membuat  algoritma yang mengatur penempatan bobot pada neural network sesuai dengan  fungsi rangkaian yang diaktifkan. Hasil penelitian menunjukkan bahwa arsitektur  yang diusulkan berhasil memodelkan kelima rangkaian kombinasional,  memungkinkan penggunaan satu neural network yang fleksibel. Algoritma tersebut  berhasil menyesuaikan bobot neural network untuk mencocokkan fungsi rangkaian  yang diaktifkan, sehingga mengurangi biaya pengujian IC digital secara signifikan.  Kata Kunci: Neural Network, Bobot, Kombinasional