![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
COVER Agung Danu Wijaya
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 1 Agung Danu Wijaya
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 2 Agung Danu Wijaya
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 3 Agung Danu Wijaya
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 4 Agung Danu Wijaya
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 5 Agung Danu Wijaya
PUBLIC Alice Diniarti ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
PUSTAKA Agung Danu Wijaya
PUBLIC Alice Diniarti
Pengembangan exchange functional Ex pada umumnya didasarkan pada strategi
umum yang sering dirujuk sebagai Jacobs Ladder, dimana untuk peningkatan
akurasi dari fungsi Ex melibatkan KS orbitals dan turunan dari kerapatan
elektron terhadap ruang. Berbagai fungsi Ex dengan keakuratan yang beragam
telah banyak tersedia saat ini. Namun pengembangan lanjutan untuk
fungsi-fungsi ini masih mengalami banyak kendala. Meskipun fungsi ideal dari
Ex tidak diketahui, namun dari persamaan KS diketahui bahwa Ex adalah
fungsi dari kerapatan elektron ?. Machine learning (ML) adalah metode popular
yang banyak digunakan dalam berbagai area di bidang sains dan dapat
ditemukan dalam berbagai penerapan bada bidang kimia. Pada penelitian
ini kami membuat model fungsi Ex dengan mengunakan pendekatan artficial
neural networks (ANN). Input yang digunakan dalam ANN adalah ? yang
diperoleh dari fungsi gelombang persamaan KS. Pada perhitungan atomisasi
energi (AE) dengan model LDA-ANN diperoleh nilai simpangan AE sebesar
0.151 hartree dan untuk LDA-HEG diperoleh simpangan sebesar 0.322 hartree
dengan simpangan didasarkan dari hasil eksperimen.