TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA

Ukuran: px
Mulai penontonan dengan halaman:

Download "TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA"

Transkripsi

1 Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan Pendidikan Teknik Elektro Fakultas Teknik Universitas Negeri Makassar ABSTRAK Permasalahan yang dihadapi dalam mengenali pola tulisan tangan sangat kompleks, dikarenakan antara lain banyaknya variasi model tulisan tangan, pena untuk menulis, dan ukuran tulisan tangan. ini akan bertambah kerumitannya bila pola yang akan dikenali ditambah dengan derau dan diputar. Penelitian ini menganalisis sampai seberapa besar penambahan derau dan sudut putaran pada pola angka tulisan tangan yang masih dapat ditoleransi oleh arsitektur jaringan syaraf tiruan. Hasil penelitian menunjukkan jaringan syaraf tiruan memberikan unjuk pengenalan pola angka tulisan tangan mencapai 90%. Pada penambahan derau 10%, jaringan masih mampu memberikan unjuk pengenalan sebesar 75%. Pada penambahan sudut putaran 5 o, jaringan masih mampu memberikan unjuk pengenalan sebesar 73%. Pengaruh gabungan penambahan derau dan besarnya sudut putaran akan menurunkan unjuk pengenalan dibandingkan dengan pengaruh penambahan derau dan sudut putaran secara terpisah (sendiri-sendiri). Jaringan hanya mampu memberikan unjuk 72% pada gabungan penambahan derau 5% dan sudut putaran 5 o. Kata Kunci : Jaringan syaraf tiruan, derau, sudut putaran, pengenalan pola JARINGAN SYARAF TIRUAN Pembacaan suatu karakter dengan komputer yang dikenal sebagai Optical Character Recognition (OCR), merupakan topik yang hangat diteliti selama bertahun-tahun. Solusi untuk permasalahan ini pada umumnya didasarkan pada proses segmentasi masukan menjadi karakterkarakter. Sistem OCR telah dikomersialkan secara luas untuk pemrosesan dokumen-dokumen hasil cetakan, namun teknik-teknik untuk membaca tulisan tangan belum sukses diaplikasikan. Hal ini dikarenakan permasalahan yang dihadapi untuk pengenalan tulisan tangan sangat kompleks, seperti bervariasinya model tulisan tangan, pena untuk menulis, dan lain lain. Jaringan syaraf tiruan diilhami oleh jaringan syaraf manusia yang dapat belajar dari pengalaman, melakukan generalisasi berdasarkan contoh yang diperolehnya dan mengabstraksi karakteristik esensial dari masukan yang mengandung informasi yang mungkin kurang relevan. Jaringan ini dapat menyelesaikan persoalan kompleks yang sulit atau bahkan tidak mungkin jika diselesaikan dengan menggunakan komputasi secara konvensional. Saat ini jaringan syaraf tiruan berkembang dan telah diupayakan untuk berbagai bentuk aplikasi, salah satu aplikasinya yaitu pengenalan pola tulisan tangan. Algoritma perambatan-balik (backpropagation) telah dikembangkan untuk melatih jaringan syaraf tiruan yang sampai pada suatu tingkat tertentu dapat melakukan generalisasi. Kemampuan jaringan syaraf tiruan dalam mengabaikan derau dan distorsi melatarbelakangi penulis untuk mengadakan studi sampai sejauh mana pengaruh besarnya derau, sudut putaran serta gabungan penambahan derau dan sudut putaran masih dapat ditoleransi oleh jaringan syaraf tiruan dalam mengenal pola tulisan tangan jenis angka. Algoritma Jaringan Perambatan Balik Jaringan syaraf lapis-jamak (multilayer) sudah terbukti handal dipakai untuk aplikasi umum. Yang termasuk jaringan lapis-jamak 1

2 MEDIA ELEKTRIK, Volume 5, Nomor 1, Juni 2010 antara lain jaringan perambatan-balik (backpropagation). Metode pelatihan perambatanbalik secara sederhana adalah metode gradient descent (penurunan gradien) untuk meminimalkan total galat kuadrat keluaran. Aplikasi jaringan ini melibatkan pemetaan sekumpulan masukan terhadap sekumpulan target keluaran, sehingga termasuk kategori jaringan dengan pelatihan terbimbing. Pelatihan jaringan perambatan balik melibatkan tiga tahap yaitu umpan-maju pelatihan pola masukan, komputasi dan perambatan-balik galat, serta perubahan bobot. Setelah pelatihan, aplikasi jaringan hanya melibatkan tahap komputasi umpan-maju. Walaupun proses pelatihan jaringan berlangsung relatif lambat, namun jaringan yang telah dilatih dapat menghasilkan keluaran dengan sangat cepat. pada hubungan unit-unit dengan keluaran selalu satu. Hanya aliran informasi umpan-maju yang diperlihatkan pada gambar. Selama fase pelatihan perambatan-balik, sinyal dikirim pada arah yang berlawanan. Praproses Data Karakter Tulisan Tangan Langkah-langkah praproses pengenalan karakter melibatkan proses normalisasi ukuran karakter dan dekomposisi dengan menggunakan filter wavelet Haar. Praproses menggunakan program bantu Matlab khususnya Wavelet Toolbox. Normalisasi ukuran karakter dilakukan karena tidak samanya ukuran karakter penulis yang satu dengan lainnya. Seluruh ukuran karakter dinormalisasi menjadi ukuran 16x16 piksel. Praproses tahap kedua melibatkan 1 1 v 01 w 01 X 1 v 11 Z 1 w 11 Y 1 v 1j w 0k X i v i1 v 1j v ij Z j w i1 w 1k wjk Y k v 1p w jm v n1 v nj v ip v 0p w p1 wpk w jm w 0m X n v np Z p w pm Y m Gambar 1. Jaringan syaraf perambatan-balik dengan satu lapisan tersembunyi Jaringan syaraf lapis-jamak dengan satu lapisan tersembunyi (unit Z) diperlihatkan pada Gambar 1. Unit keluaran (unit Y) dan unit-unit tersembunyi serta bias diperlihatkan. Bias pada unit keluaran Y k dilambangkan dengan w 0k, bias pada unit tersembunyi Z j dilambangkan dengan v 0j. Istilah bias-bias ini berlaku sebagai bobot dekomposisi filter wavelet pola 16x16 piksel hasil normalisasi menggunakan filter wavelet Haar dua-dimensi. Dekomposisi level pertama menghasilkan empat subband yang masingmasing berukuran 8x8 piksel yaitu subband yang membawa informasi pola aproksimasi, subband yang membawa informasi horisontal, subband

3 Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan yang membawa informasi vertikal dan subband yang membawa informasi diagonal. Pada dekomposisi berikutnya yaitu level 2 dihasilkan subband-subband dengan ukuran 4x4 piksel. Dari hasil dekomposisi, terlihat bahwa semakin tinggi level dekomposisinya akan membuat semakin kehilangan cirinya. Oleh karena itu, sebagai pola masukan jaringan neural digunakan dekomposisi level 2 yaitu subband informasi aproksimasi sehingga jumlah neuron pada lapisan masukan ada 4x4 buah. METODE Pola yang dianalisis yaitu pola karakter angka tulisan tangan, yaitu 0, 1, 2, 3, 4, 5, 6, 7, 8, dan 9. Sebagai masukan adalah vektor yang dihasilkan dari pengolahan citra asli. Citra asli dipayar, dan diproses menjadi citra biner (mempunyai nilai 0 dan 1 ). Pada masukan tersebut dicoba dikenali kelas karakter yang telah dilatih dengan menggunakan jaringan neural perambatan-balik. Langkah-langkah praproses pengenalan karakter di sini melibatkan proses normalisasi dan dekomposisi. dengan penambahan variasi derau dansudut putaran secara sendiri-sendiri dan gabungan derau dan putaran secara bersama-sama. Sebagai target pengenalan karakter-karakter tulisan tangan digunakan format kode ASCII 8 bit. Tabel 1 menyatakan kesesuaian target pengenalan jaringan dengan format kode ASCII 8 bit. HASIL DAN PEMBAHASAN Pelatihan dan Pengujian Sebelum dilakukan pelatihan dan pengujian yang sesungguhnya, jaringan diujicoba dengan 200 pola untuk pelatihan dan 100 pola untuk pengujian yang berbeda. Ujicoba jaringan syaraf tiruan mempunyai 2 tujuan. Yang pertama yaitu untuk mengetahui apakah jaringan yang dibangun dapat berfungsi dengan baik atau tidak. Tujuan yang kedua yaitu mencari parameter-parameter jaringan syaraf tiruan yang dapat menghasilkan unjuk pengenalan yang optimal antara lain fungsi aktivasi dan kemiringan, sehingga dapat mengurangi jumlah komputasi pada saat Masukan Citra Angka Tulisan Tangan Praproses data karakter Normalisasi ukuran karakter Karakter Jaringan Neural Efek Derau dan Putaran Dekomposisi dengan Wavelet Angka Keluaran Gambar 2. Diagram blok pengenalan karakter Jaringan yang dirancang adalah jaringan perambatan-balik. Arsitektur jaringan yang dibangun memiliki dua komponen, komponen pertama melibatkan neuron masukan dan keluaran dengan jumlah tetap yaitu sebanyak 4x4 neuron masukan dan 8 neuron keluaran, dan komponen yang melibatkan neuron pada lapisan tersembunyi yang jumlahnya akan dicari sampai didapatkan hasil yang optimal. Setelah jaringan syaraf tiruan mengalami proses pelatihan, selanjutnya diuji pelatihan dan pengujian jaringan yang sesungguhnya. Dari hasil uji coba ini didapatkan bahwa fungsi aktivasi sigmoid bipolar dengan derajad kemiringan 0,8 menghasilkan kemungkinan unjuk pengenalan yang terbaik. Setelah ujicoba dianggap berhasil, dilakukan pelatihan dan pengujian atas serangkaian pola dengan penambahan derau dan besarnya sudut putaran. Pada proses pelatihan melibatkan 1000 pola dan proses pengujian melibatkan 200 pola. 3

4 MEDIA ELEKTRIK, Volume 5, Nomor 1, Juni 2010 Tabel 1. Kesesuaian target pengenalan jaringan dengan format ASCII Karakter ASCII 8 bit Target pengenalan jaringan syaraf Ket: Kesesuaian ini dapat dilihat dari kode 0 dan 1 pada kode ASCII menjadi -0.8 dan 0.8 pada target pengenalan Hasil pengujian ditunjukkan pada tabel 2. Berdasarkan tabel terlihat bahwa arsitektur jaringan yang menghasilkan unjuk pengenalan pada proses pengujian yang terbaik yaitu : , dimana dengan dipilihnya arsitektur jaringan tersebut akan menghasilkan unjuk pengenalan karakter angka sebesar 90%. Tabel 2. pelatihan dan pengujian karakter angka Arsitektur Proses Pelatihan Proses Pengujian Satu lapisan tersembunyi ,6 % 67 % ,2 % 69 % ,8 % 72 % ,8 % 68 % ,9 % 74 % ,2 % 70 % Dua lapisan tersembunyi ,5 % 82% ,6 % 82 % ,4 % 84 % ,1 % 82 % % 80 % ,6 % 82 % ,4 % 87 % ,6 % 81 % ,7 % 86 % ,3 % 81 % ,7 % 79 % ,6 % 81% ,5 % 86% ,7 % 81% ,4 % 85 % ,4 % 83 % ,5 % 83 % ,6 % 85 % ,5 % 81% ,7 % 85 % ,7 % 84 % ,2 % 82 % ,7 % 86 % ,6 % 83 % ,7 % 90 % ,3 % 84 % Ket: Tabel 2 diperoleh dengan nilai laju pelatihan = 0,001, momentum = 0,001, toleransi galatnya = 0,005, dan menggunakan fungsi aktivasi sigmoid bipolar Variasi Derau dan Sudut Putaran Beberapa variasi derau dan sudut putaran pola karakter tulisan tangan jenis angka disajikan pada Gambar 3 berikut.

5 Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan 15 % 69 % 24 % 20 % 61 % 32 % 25 % 44 % 51 % 30 % 40 % 56 % 35 % 28 % 69 % Dari Tabel 3 dan Tabel 4 dapat dilihat bahwa semakin besar tingkat deraunya maka unjuk pengenalannya akan menurun. Jaringan masih dapat menghasilkan unjuk pengenalan 75% pada penambahan derau 10%. Berarti walaupun sekitar 10% nilai-nilai biner yang terkandung dalam sampel-sampel data tersebut bertukar secara random jaringan masih mempunyai unjuk pengenalan sebesar 75%. Tabel 5. Pengaruh besarnya variasi putaran terhadap unjuk pengenalan Gambar 3. Variasi putaran, derau dan gabungan variasi derau - putaran dari tulisan tangan angka 9 Untuk mengetahui pengaruh besarnya variasi sudut putaran dan derau terhadap unjuk jaringan dilakukan pada arsitektur Hasilnya disajikan sebagai berikut : Tabel 3. Pengaruh besarnya variasi derau terhadap unjuk pengenalan Besar Variasi Derau 0 % 90 % 5 % 81 % 10 % 75 % 15 % 69 % 20 % 61 % 25 % 44 % 30 % 40 % 35 % 28 % Tabel 4. Laju penurunan unjuk pengenalan terhadap penambahan variasi derau Besarnya Variasi Derau Penurunan 0 % 90 % 0 % 5 % 81 % 10 % 10 % 75 % 17 % Variasi Sudut Putaran (derajad) 0 90 % 5 73 % % % % % % % % % % % % % Tabel 6. Laju penurunan unjuk pengenalan terhadap variasi sudut putaran Variasi Sudut Putaran (derajad) Penurunan 0 90 % 0% 5 73 % 19% % 26% % 51% % 72% % 87% % 89% % 80% % 12% % 20% 5

6 MEDIA ELEKTRIK, Volume 5, Nomor 1, Juni % 46% % 66% % 86% % 90% 30 % 20 % 18 % 35 % 20 % 12 % Pengujian dengan variasi < 22 % lainnya Pengaruh besarnya derajad sudut putaran dapat dilihat pada Tabel 5 dan 6. Besar variasi sudut positif artinya sampel-sampel data diputar berlawanan dengan arah jarum jam, sedangkan besar variasi sudur negatif artinya sampel-sampel data searah jarum jam. Sama seperti dengan adanya penambahan derau, semakin besar sudut putaran yang diberikan akan membuat unjuk pengenalan yang lebih kecil. Dari tabel dapat dilihat bahwa jaringan masih dapat menunjukkan unjuk 73% pada penambahan besar putaran 5 0. Yang menarik dapat diketahui bahwa pada saat diputaran 180 0, sampel angka 0 dan 1 dikenali, sedangkan angka 6 terbaca menjadi angka 9 dan angka 9 terbaca menjadi angka 6. Pada penambahan variasi putaran yang bernilai negatif (searah dengan jarum jam) akan menghasilkan unjuk pengenalan yang lebih tinggi dibandingkan dengan variasi putaran yang bernilai positif, hal ini dikarenakan banyak sampel data yang digunakan pada penelitian ini penulisannya agak miring ke kiri, sehingga bila karakter jenis angka tersebut diputarankan searah dengan jarum jam akan menjadi data karakter angka yang tegak. Tabel 7. Pengaruh gabungan variasi derau dan putaran terhadap unjuk Variasi Derau Variasi Sudut Putaran 5 % 5 % 72 % 10 % 5 % 63 % 15 % 5 % 57 % 25 % 5 % 36 % 30 % 5 % 31 % 35 % 5 % 22 % 5 % 10 % 59 % 10 % 10 % 53 % 15 % 10 % 39 % 25 % 10 % 33 % 30 % 10 % 27 % 35 % 10 % 21 % 5 % 20 % 33 % 10 % 20 % 30% 15 % 20 % 27 % 25 % 20 % 22 % Berdasarkan Tabel 7, dapat diamati bahwa adanya gabungan penambahan derau dan putaran akan membuat unjuk pengenalan jaringan menjadi menurun. Gabungan penambahan derau dan besarnya putaran akan menurunkan unjuk pengenalan dibandingkan dengan pengaruh penambahan derau dan besarnya putaran secara terpisah (sendiri sendiri). Jaringan hanya mampu memberikan unjuk 72% pada gabungan penambahan derau 5% dan sudut putaran 5 o. SIMPULAN Berdasarkan hasil penelitian dan pembahasan, dapat ditarik kesimpulan bahwa : 1. Jaringan syaraf tiruan dengan pemakaian format ASCII 8 bit sebagai target pengenalan karakter tulisan tangan jenis angka memberikan unjuk pengenalan yang cukup baik dengan mencapai unjuk 90% 2. pola karakter angka dengan penambahan derau yang makin besar akan menurunkan unjuk pengenalan pola, karena dengan semakin besar penambahan derau akan semakin mengurangi informasi pada pola sehingga akan mengurangi unjuk pengenalannya. Jaringan masih mampu memberikan unjuk pengenalan sebesar 75% pada penambahan derau 10%. 3. pola karakter dengan penambahan sudut putaran yang makin besar akan menurunkan unjuk pengenalan pola. Jaringan masih mampu memberikan unjuk pengenalan sebesar 73% pada penambahan sudut putaran 5 o. 4. Gabungan penambahan derau dan besarnya putaran akan menurunkan unjuk pengenalan dibandingkan dengan pengaruh penambahan derau dan besarnya putaran secara terpisah (sendiri sendiri). Jaringan hanya mampu memberikan unjuk 72% pada gabungan penambahan derau 5% dan sudut putaran 5 o. DAFTAR PUSTAKA De Leone, R., Capparuccia, R., and Merelli, E., 1998, A Succsessive Overrelaxation

7 Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan Backpropagation Algorithm for Neural- Network Training, IEEE Transactions on Neural Networks, vol. 9, pp Demuth, H., Beale, M., 1998, Neural Network Toolbox, The Math Work. Inc. Fausett, L., 1994, Fundamentals of Neural Networks : Architectures, Algorithms, and Applications, Prentice Hall, New Jersey. Jain, A.K., 1995, Fundamentals of Digital Image Processing, Prentice Hall, New Delhi. Kröse, Ben, and Van der Smagt, Patrick, 1996, Introduction to Neural Networks, ed. 9, University of Amsterdam. Misiti, M., Oppenheim, G., and Poggi, J., 1996, Wavelet Toolbox, The Math Work. Inc. Rao, B. Valluru dan Rao, V. Hayagriva, 1993, C ++ Neural Networks and Fuzzy Logic, Management Information Source, Inc., New York. 7

PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF)

PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF) PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF) AINUN JARIAH 1209201721 DOSEN PEMBIMBING 1. Prof. Dr. Mohammad Isa Irawan, M.T 2. Dr Imam Mukhlas, S.Si, M.T

Lebih terperinci

PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT)

PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) PERBAIKAN KUALITAS CITRA BERWARNA DENGAN METODE DISCRETE WAVELET TRANSFORM (DWT) ABSTRAK Silvester Tena Jurusan Teknik Elektro Fakultas Sains dan Teknik, Universitas Nusa Cendana Jl. Adisucipto- Penfui

Lebih terperinci

BAB I PENDAHULUAN. tangan dijadikan alat untuk menganalisis kepribadian pemiliknya. Sebuah

BAB I PENDAHULUAN. tangan dijadikan alat untuk menganalisis kepribadian pemiliknya. Sebuah BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan salah satu hal unik yang dapat dihasilkan oleh manusia selain tanda tangan. Seperti halnya tanda tangan, tulisan tangan juga dapat digunakan

Lebih terperinci

Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan Metode Backpropagation dengan Input Citra Kamera Digital

Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan Metode Backpropagation dengan Input Citra Kamera Digital Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan Metode Backpropagation dengan Input Citra Kamera Digital Dompak Petrus Sinambela 1 Sampe Hotlan Sitorus 2 Universitas Mpu Tantular Jakarta.

Lebih terperinci

PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION

PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION PERAMALAN JUMLAH KENDARAAN DI DKI JAKARTA DENGAN JARINGAN BACKPROPAGATION (Forecast The Number of Vehicle in Jakarta Using Backpropagation Neural Net ) Zumrotus Sya diyah Universitas Darussalam Ambon,

Lebih terperinci

PENGENALAN ISYARAT TANGAN STATIS PADA SISTEM ISYARAT BAHASA INDONESIA BERBASIS JARINGAN SYARAF TIRUAN PERAMBATAN BALIK

PENGENALAN ISYARAT TANGAN STATIS PADA SISTEM ISYARAT BAHASA INDONESIA BERBASIS JARINGAN SYARAF TIRUAN PERAMBATAN BALIK MAKARA, TEKNOLOGI, VOL. 14, NO. 2, NOVEMBER 2010: 150-154 PENGENALAN ISYARAT TANGAN STATIS PADA SISTEM ISYARAT BAHASA INDONESIA BERBASIS JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Farida Asriani *) dan Hesti

Lebih terperinci

Prediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi

Prediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi Prediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi Qoriatul Fitriyah 1),Didi Istardi 2) 1) Jurusan Teknik Elektro Politeknik Batam, Batam 29461, email: fitriyah@polibatam.ac.id Jurusan

Lebih terperinci

IDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET

IDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET TESIS IDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET ROSALIA ARUM KUMALASANTI No. Mhs. : 135302014/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM

Lebih terperinci

Identifikasi Jenis Cairan Dengan Metode Serapan Panjang Gelombang Dan JST- RBF

Identifikasi Jenis Cairan Dengan Metode Serapan Panjang Gelombang Dan JST- RBF Seminar on Intelligent Technology and Its Applications 008 ISBN 978-979-8897-4-5 Identifikasi Jenis Cairan Dengan Metode Serapan Panjang Gelombang Dan JST- RBF Riny Sulistyowati.), Muhammad Rivai ) ) Jurusan

Lebih terperinci

IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION

IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]

Lebih terperinci

dan RBF pada pengendalian plant suhu secara online. I. PENDAHULUAN

dan RBF pada pengendalian plant suhu secara online. I. PENDAHULUAN Perbandingan Unjuk Kerja Jaringan Syaraf Tiruan CMAC (Cerrebellar Model Articulation Controller) dan RBF (Radial Basis Function) pada Pengendalian Plant Suhu secara On Line Amin Fauzan 1, Iwan Setiawan,ST.

Lebih terperinci

SISTEM IDENTIFIKASI SCAN IRIS MATA MENGGUNAKAN METODE JST PROPAGASI BALIK UNTUK APLIKASI SISTEM PENGAMANAN BRANKAS

SISTEM IDENTIFIKASI SCAN IRIS MATA MENGGUNAKAN METODE JST PROPAGASI BALIK UNTUK APLIKASI SISTEM PENGAMANAN BRANKAS SISTEM IDENTIFIKASI SCAN IRIS MATA MENGGUNAKAN METODE JST PROPAGASI BALIK UNTUK APLIKASI SISTEM PENGAMANAN BRANKAS Trendy Fibri Syamsiar #1, Eru Puspita, S.T, M.Kom #2, Budi Nur Iman, S.Si, M.Kom #3 #

Lebih terperinci

APLIKASI KAMERA PENDETEKSI MOBIL Menggunakan Pendekatan Pengolahan Citra

APLIKASI KAMERA PENDETEKSI MOBIL Menggunakan Pendekatan Pengolahan Citra ISSN 2089-83 APLIKASI KAMERA PENDETEKSI MOBIL Menggunakan Pendekatan Pengolahan Citra Duman Care Khrisne Dosen Sistem Komputer STMIK STIKOM Indonesia Denpasar-Bali, Indonesia duman_lx14[at]ahoo.com I Made

Lebih terperinci

VERIFIKASI PERSONAL BERDASARKAN CITRA TANGAN DENGAN METODE FILTER GABOR. Abstrak

VERIFIKASI PERSONAL BERDASARKAN CITRA TANGAN DENGAN METODE FILTER GABOR. Abstrak VERIFIKASI PERSONAL BERDASARKAN CITRA TANGAN DENGAN METODE FILTER GABOR Resmana Lim & Santoso Jurusan Teknik Elektro Universitas Kristen Petra Siwalankerto 11-131 Surabaya Fax: 031-8436418 resmana@petra.ac.id

Lebih terperinci

MENGUBAH TULISAN TANGAN MENJADI TEXT DIGITAL OCR (OPTICAL CHARACTER RECOGNITION) DENGAN MENGGUNAKAN METODE SEGMENTASI DAN KORELASI

MENGUBAH TULISAN TANGAN MENJADI TEXT DIGITAL OCR (OPTICAL CHARACTER RECOGNITION) DENGAN MENGGUNAKAN METODE SEGMENTASI DAN KORELASI MENGUBAH TULISAN TANGAN MENJADI TEXT DIGITAL OCR (OPTICAL CHARACTER RECOGNITION) DENGAN MENGGUNAKAN METODE SEGMENTASI DAN KORELASI Misbah Riyandi Fauzi *), Nugroho Agus D, and Ajub Ajulian Z Jurusan Teknik

Lebih terperinci

Penentuan Harga Jual Properti secara Otomatis menggunakan Metode Probabilistic Neural Network

Penentuan Harga Jual Properti secara Otomatis menggunakan Metode Probabilistic Neural Network Penentuan Harga Jual Properti secara Otomatis menggunakan Metode Probabilistic Neural Network Gregorius S. Budhi 1, Justinus Andjarwirawan 2, Alvin Poernomo 3 1,2,3) Fakultas Teknologi Industri, Program

Lebih terperinci

PENGENDALIAN MOTOR BLDC MENGGUNAKAN JARING SARAF TIRUAN

PENGENDALIAN MOTOR BLDC MENGGUNAKAN JARING SARAF TIRUAN PENGENDALIAN MOTOR BLDC MENGGUNAKAN JARING SARAF TIRUAN Bambang Sujanarko Jurusan Teknik Elektro Fakultas Teknik Universitas Jember email: bbsujanarko@yahoo.co.id Abstrak Dalam penelitian ini dikembangkan

Lebih terperinci

KLASIFIKASI TULISAN TANGAN BERUPA ANGKA MENGGUNAKAN RANDOM FOREST DAN HISTOGRAM OF ORIENTED GRADIENT

KLASIFIKASI TULISAN TANGAN BERUPA ANGKA MENGGUNAKAN RANDOM FOREST DAN HISTOGRAM OF ORIENTED GRADIENT KLASIFIKASI TULISAN TANGAN BERUPA ANGKA MENGGUNAKAN RANDOM FOREST DAN HISTOGRAM OF ORIENTED GRADIENT Anugerah Ganda Putra 1, Tjokorda Agung Budi Wirayuda ST. MT. 2 Fakultas Informatika Universitas Telkom

Lebih terperinci

VERIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA COLOUR CODE DAN EKSPRESI BOOLEAN XOR

VERIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA COLOUR CODE DAN EKSPRESI BOOLEAN XOR ISSN 1858-4667 JURNAL LINK VOL 18/No. 1/Maret 2013 VERIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA COLOUR CODE DAN EKSPRESI BOOLEAN XOR Maria Dominica Eliyana 1, Endra Rahmawati 2 1 Jurusan Teknik Informatika

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 10 BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Pasar Modal Pasar modal adalah pasar dari berbagai instrumen keuangan (sekuritas) jangka panjang yang dapat diperjualbelikan, baik dalam bentuk hutang

Lebih terperinci

9 Menghitung Besar Sudut di Titik Sudut

9 Menghitung Besar Sudut di Titik Sudut 9 Menghitung Besar Sudut di Titik Sudut Besar sudut di setiap titik sudut pada segi-banyak relatif mudah dihitung. Pada segi-n beraturan, besar sudut di setiap titik sudutnya sama dengan 180 o 360 o /n.

Lebih terperinci

BAB V TRANSFORMASI 2D

BAB V TRANSFORMASI 2D BAB V TRANSFORMASI 2D OBJEKTIF : Pada Bab ini mahasiswa mempelajari tentang : Transformasi Dasar 2D 1. Translasi 2. Rotasi 3. Scalling Transformasi Lain 1. Refleksi 2. Shear TUJUAN DAN SASARAN: Setelah

Lebih terperinci

Operasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma

Operasi-Operasi Dasar pada Pengolahan Citra. Bertalya Universitas Gunadarma Operasi-Operasi Dasar pada Pengolahan Citra Bertalya Universitas Gunadarma 1 Operasi2 Dasar Merupakan manipulasi elemen matriks : elemen tunggal (piksel), sekumpulan elemen yang berdekatan, keseluruhan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra

Lebih terperinci

PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL. Abstrak

PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL. Abstrak PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL Annisa Hayatunnufus [1], Andrizal,MT [2], Dodon Yendri,M.Kom [3] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas

Lebih terperinci

Epilog & Daftar Pustaka

Epilog & Daftar Pustaka Epilog & Daftar Pustaka Bila aplikasi deret dan transformasi Fourier telah cukup banyak dibahas, maka berikut ini disajikan ilustrasi bagaimana wavelet Haar digunakan dalam analisis dan pemrosesan signal,

Lebih terperinci

Klasifikasi Online Citra Daun berdasarkan Fitur Bentuk dan Ruas Daun

Klasifikasi Online Citra Daun berdasarkan Fitur Bentuk dan Ruas Daun Klasifikasi Online Citra Daun berdasarkan Fitur Bentuk dan Ruas Daun Agus Zainal Arifin 1, Bayu Bagus, Dini Adni Navastara 3 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi

Lebih terperinci

PENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)

PENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) PENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) Riza Firdaus Ardiansyah NIM : A11.2009.05106 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas

Lebih terperinci

SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH ABSTRAK

SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH ABSTRAK SEGMENTASI IRIS MATA BERBASIS TRANSFORMASI NON-SEPARABLE WAVELET DAN TRANSFORMASI RANDOMIZED HOUGH * I Putu Putra Astawa, Agus Zainal Arifin, Bilqis Amaliah Program Magister Teknik Informatika, Institut

Lebih terperinci

PREDIKSI FOREX MENGGUNAKAN MODEL NEURAL NETWORK

PREDIKSI FOREX MENGGUNAKAN MODEL NEURAL NETWORK PREDIKSI FOREX MENGGUNAKAN MODEL NEURAL NETWORK R. Hadapiningradja Kusumodestoni Fakultas Sains dan Teknologi, Program Studi Teknik Informatika Universitas Islam Nahdlatul Ulama Jepara Email: kusumodestoni@gmail.com

Lebih terperinci

Prototipe Lift Barang 4 Lantai menggunakan Kendali PLC

Prototipe Lift Barang 4 Lantai menggunakan Kendali PLC Prototipe Lift Barang 4 Lantai menggunakan Kendali PLC I. Deradjad Pranowo 1, David Lion H 1 D3 Mekatronika, Universitas Sanata Dharma, Kampus III Paingan Maguwoharjo, Sleman, Yogyakarta, 1 dradjad@staff.usd.ac.id

Lebih terperinci

Lecture Notes Algoritma dan Pemrograman

Lecture Notes Algoritma dan Pemrograman Menukar Isi Dua Variabel (ed. ) / Lecture Notes Algoritma dan Pemrograman Menukar Isi Dua Variabel Thompson Susabda Ngoen Salah satu kegiatan pengolahan data adalah menukar isi dua variabel, misalnya pada

Lebih terperinci

Hierarki organisasi data tersebut terdiri dari enam tingkatan, yaitu : bit, byte/karakter, field/elemen data, rekord, file dan data base.

Hierarki organisasi data tersebut terdiri dari enam tingkatan, yaitu : bit, byte/karakter, field/elemen data, rekord, file dan data base. Pertemuan 11 Sistem Data Base Hierarki Data Data merupakan representasi dari fakta, yg dapat diperoleh darimana saja yang dapat dimengerti oleh komputer. Manajemen data dapat dilakukan dgn atau tanpa komputer

Lebih terperinci

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) }

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) } 1. Diketahui himpunan P = ( bilangan prima kurang dari 13 ) Banyak himpunan bagian dari P adalah... 5 25 10 32 P = {Bilangan prima kurang dari 13} = {2, 3, 5, 7, 11} n(p) = 5 2. Dari diagram Venn di bawah,

Lebih terperinci

Bab 1. KONSEP DASAR SISTEM TEMU KEMBALI INFORMASI

Bab 1. KONSEP DASAR SISTEM TEMU KEMBALI INFORMASI Bab 1. KONSEP DASAR SISTEM TEMU KEMBALI INFORMASI Tipe Sistem Informasi Sistem Temu Kembali Informasi (Information Retrieval System - IRS) merupakan salah satu tipe sistem informasi. Selain Sistem Temu

Lebih terperinci

SCANNER OBJEK TIGA DIMENSI DENGAN LASER

SCANNER OBJEK TIGA DIMENSI DENGAN LASER SCANNER OBJEK TIGA DIMENSI DENGAN LASER Wiedjaja 1 ; Suryadiputra Liawatimena 2 1, 2 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas Bina Nusantara, Jln. K.H. Syahdan No.9, Palmerah, Jakarta

Lebih terperinci

Perlindungan Hak Cipta Gambar dengan Watermarking berbasis MVQ

Perlindungan Hak Cipta Gambar dengan Watermarking berbasis MVQ Perlindungan Hak Cipta Gambar dengan ing berbasis MVQ Gressia Melissa NIM : 13506017 Program Studi Teknik Informatika, Institut Teknologi Bandung Jalan Ganesha no.10 Bandung E-mail : if16017@students.if.itb.ac.id

Lebih terperinci

TEKNIK PENYEMBUNYIAN PESAN TEKS PADA MEDIA CITRA GIF DENGAN METODE LEAST SIGNIFICANT BIT (LSB)

TEKNIK PENYEMBUNYIAN PESAN TEKS PADA MEDIA CITRA GIF DENGAN METODE LEAST SIGNIFICANT BIT (LSB) TEKNIK PENYEMBUNYIAN PESAN TEKS PADA MEDIA CITRA GIF DENGAN METODE LEAST SIGNIFICANT BIT (LSB) Hasiholan Manurung (0911765) Mahasiswa Jurusan Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja

Lebih terperinci

METODE ITERASI OPTIMAL TANPA TURUNAN BERDASARKAN BEDA TERBAGI ABSTRACT

METODE ITERASI OPTIMAL TANPA TURUNAN BERDASARKAN BEDA TERBAGI ABSTRACT METODE ITERASI OPTIMAL TANPA TURUNAN BERDASARKAN BEDA TERBAGI Amelia Riski, Putra. Supriadi 2, Agusni 2 Mahasiswa Program Studi S Matematika 2 Laboratorium Matematika Terapan, Jurusan Matematika Fakultas

Lebih terperinci

KONSEP FREKUENSI SINYAL WAKTU KUNTINYU & WAKTU DISKRIT

KONSEP FREKUENSI SINYAL WAKTU KUNTINYU & WAKTU DISKRIT KONSEP FREKUENSI SINYAL WAKTU KUNTINYU & WAKTU DISKRIT Sinyal Sinusoidal Waktu Kontinyu T=/F A A cos X Acos Ft a 0 t t Sinyal dasar Eksponensial dng α imajiner X Ae a j t Ω = πf adalah frekuensi dalam

Lebih terperinci

a. Hubungan Gerak Melingkar dan Gerak Lurus Kedudukan benda ditentukan berdasarkan sudut θ dan jari jari r lintasannya Gambar 1

a. Hubungan Gerak Melingkar dan Gerak Lurus Kedudukan benda ditentukan berdasarkan sudut θ dan jari jari r lintasannya Gambar 1 . Pengantar a. Hubungan Gerak Melingkar dan Gerak Lurus Gerak melingkar adalah gerak benda yang lintasannya berbentuk lingkaran dengan jari jari r Kedudukan benda ditentukan berdasarkan sudut θ dan jari

Lebih terperinci

Information Systems KOMUNIKASI DATA. Dosen Pengampu : Drs. Daliyo, Dipl. Comp. DISUSUN OLEH:

Information Systems KOMUNIKASI DATA. Dosen Pengampu : Drs. Daliyo, Dipl. Comp. DISUSUN OLEH: Information Systems KOMUNIKASI DATA Dosen Pengampu : Drs. Daliyo, Dipl. Comp. DISUSUN OLEH: Nama : Muh. Zaki Riyanto Nim : 02/156792/PA/08944 Program Studi : Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

DASAR KOMPUTER DAN PEMROGRAMAN

DASAR KOMPUTER DAN PEMROGRAMAN BUKU AJAR DASAR KOMPUTER DAN PEMROGRAMAN oleh : RINTA KRIDALUKMANA, S.Kom, M.T. Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro 2009 Kata Pengantar Puji syukur penulis panjatkan kepada

Lebih terperinci

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN PERHITUNGAN JARAK ANTAR TITIK PADA TANDA TANGAN

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN PERHITUNGAN JARAK ANTAR TITIK PADA TANDA TANGAN IDENTIFIKASI TANDA TANGAN MENGGUNAKAN PERHITUNGAN JARAK ANTAR TITIK PADA TANDA TANGAN Ratnadewi 1, Ardhi Prasetya 2 Jurusan Teknik Elektro, Fakultas Teknik Universitas Kristen Maranatha Jalan Prof. Drg.

Lebih terperinci

Pemanfaatan Nonnegative Matrix Factorization pada Kriptografi untuk Mengamankan Data Gambar

Pemanfaatan Nonnegative Matrix Factorization pada Kriptografi untuk Mengamankan Data Gambar Prosiding SNM 2014 Topik penelitian, hal. xx-xx. Pemanfaatan Nonnegative Matrix Factorization pada Kriptografi untuk Mengamankan Data Gambar INDRA BAYU MUKTYAS 1 1Program Studi Pendidikan Matematika, STKIP

Lebih terperinci

SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG

SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG Vol. 5, No. 1, Januari 2009 ISSN 0216-0544 SISTEM TEMU KEMBALI CITRA GEDUNG BERDASARKAN INFORMASI GARIS PADA BENTUK GEDUNG * Iman Sapuguh, Daniel O Siahaan, dan Chastine Fatichah Program Magister Teknik

Lebih terperinci

PERANCANGAN ALAT BANTU PEMBUATAN BENDA TIRUS PADA MESIN BUBUT DENGAN PENDEKATAN METODE DFMA UNTUK MENGOPTIMALKAN WAKTU PROSES.

PERANCANGAN ALAT BANTU PEMBUATAN BENDA TIRUS PADA MESIN BUBUT DENGAN PENDEKATAN METODE DFMA UNTUK MENGOPTIMALKAN WAKTU PROSES. PERANCANGAN ALAT BANTU PEMBUATAN BENDA TIRUS PADA MESIN BUBUT DENGAN PENDEKATAN METODE DFMA UNTUK MENGOPTIMALKAN WAKTU PROSES Arlis Yuniarso Program Studi Teknik Industri Universitas Dian Nuswantoro Semarang,

Lebih terperinci

KNOWING HUMAN PERSONALITY FROM THE HEIGHT OF HANDWRITING MIDDLE ZONE USING LINEAR REGRESSION METHOD AND AVERAGE OF INTEGRAL PROJECTION COLUMN METHOD

KNOWING HUMAN PERSONALITY FROM THE HEIGHT OF HANDWRITING MIDDLE ZONE USING LINEAR REGRESSION METHOD AND AVERAGE OF INTEGRAL PROJECTION COLUMN METHOD ABSTRAK MENGETAHUI SIFAT SESEORANG DARI TINGGI MIDDLE ZONE TULISAN TANGAN DENGAN MENGGUNAKAN METODE REGRESI LINEAR DAN METODE RATA-RATA INTEGRAL PROYEKSI KOLOM Disusun oleh : Livin (1022015) Jurusan Teknik

Lebih terperinci

KOMPONEN DAN ARSITEKTUR BASIS DATA. Pengolahan Basis Data D3-TI STMIK AMIKOM

KOMPONEN DAN ARSITEKTUR BASIS DATA. Pengolahan Basis Data D3-TI STMIK AMIKOM KOMPONEN DAN ARSITEKTUR BASIS DATA Pengolahan Basis Data D3-TI STMIK AMIKOM KOMPONEN LINGKUNGAN DATABASE KOMPONEN LINGKUNGAN DATABASE Computer-aided software engineering (CASE) Tools Peranti otomasi untuk

Lebih terperinci

DT-AVR Application Note

DT-AVR Application Note DT-AVR Application Note AN80 Sistem pengendali Bipolar Stepper Motor Oleh: Tim IE Stepper motor seringkali kita gunakan untuk aplikasi robotika, karena poros stepper motor dapat digerakkan dengan sudut

Lebih terperinci

Perbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak Fasilitas

Perbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak Fasilitas Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 119-124 ISSN 1411-2485 Perbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak

Lebih terperinci

PENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER)

PENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER) PENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER) Edi Satriyanto (edi@eepis-its.edu) Fernando Ardilla Risa Indah Agustriany Lubis Politeknik

Lebih terperinci

SISTEM INFORMASI MANAJEMEN INFRASTRUKTUR TI DAN TEKNOLOGI BARU

SISTEM INFORMASI MANAJEMEN INFRASTRUKTUR TI DAN TEKNOLOGI BARU Fakultas Ekonomi Universitas Budi Luhur SISTEM INFORMASI MANAJEMEN INFRASTRUKTUR TI DAN TEKNOLOGI BARU 1 INFRASTRUKTUR TI Infrastruktur TI terdiri atas sekumpulan perangkat dan aplikasi piranti lunak yang

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis

Lebih terperinci

PENILAIAN ARSIP BENTUK KHUSUS, PERLU MEMPERHATIKAN KHUSUS Robertus Legowo Jati

PENILAIAN ARSIP BENTUK KHUSUS, PERLU MEMPERHATIKAN KHUSUS Robertus Legowo Jati PENILAIAN ARSIP BENTUK KHUSUS, PERLU MEMPERHATIKAN KHUSUS Robertus Legowo Jati Pendahuluan Penilaian arsip merupakan hal penting dalam upaya penyelamatan arsip. Pada hakekatnya penilaian arsip dapat diterapkan

Lebih terperinci

BAB I VEKTOR DALAM BIDANG

BAB I VEKTOR DALAM BIDANG BAB I VEKTOR DALAM BIDANG I. KURVA BIDANG : Penyajian secara parameter Suatu kurva bidang ditentukan oleh sepasang persamaan parameter. ; dalam I dan kontinue pada selang I, yang pada umumnya sebuah selang

Lebih terperinci

9. K omunikasi Bukti Bukti Secara Visual

9. K omunikasi Bukti Bukti Secara Visual 9. Komunikasi Bukti Bukti Secara 9. Komunikasi Bukti Bukti Secara Visual Pembaca akan menilai kualitas dari penelitian anda berdasarkan pentingnya klaim anda dan kekuatan dari argumen anda Sebelumnya,

Lebih terperinci

GEOLOGI STRUKTUR. PENDAHULUAN Gaya/ tegasan Hasil tegasan Peta geologi. By : Asri Oktaviani

GEOLOGI STRUKTUR. PENDAHULUAN Gaya/ tegasan Hasil tegasan Peta geologi. By : Asri Oktaviani GEOLOGI STRUKTUR PENDAHULUAN Gaya/ tegasan Hasil tegasan Peta geologi By : Asri Oktaviani http://pelatihan-osn.com Lembaga Pelatihan OSN PEDAHULUAN Geologi : Ilmu yang mempelajari bumi yang berhubungan

Lebih terperinci

BAB 3 PERANCANGAN. Input Data, Pre-processing, Feature Extraction, Training, dan Verification. Pada tahap

BAB 3 PERANCANGAN. Input Data, Pre-processing, Feature Extraction, Training, dan Verification. Pada tahap BAB 3 PERANCANGAN 3.1 Desain Verifikasi Tanda Tangan Desain verifikasi tanda tangan secara umum terdiri dari lima tahap utama, yaitu Input Data, Pre-processing, Feature Extraction, Training, dan Verification.

Lebih terperinci

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH

PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK DAN TEKANAN DARAH Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 34 43 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN ANALISIS FAKTOR KONFIRMATORI STRUCTURAL EQUATION MODELING PADA MODEL HUBUNGAN KEBIASAAN MEROKOK

Lebih terperinci

IDENTIFIKASI PERSONAL BERDASARKAN CITRA STRUKTUR TANGAN

IDENTIFIKASI PERSONAL BERDASARKAN CITRA STRUKTUR TANGAN IDENTIFIKASI PERSONAL BERDASARKAN CITRA STRUKTUR TANGAN (Budiono Sentoso, et al.) IDENTIFIKASI PERSONAL BERDASARKAN CITRA STRUKTUR TANGAN Budiono Sentoso Alumni Fakultas Teknologi Industri, Jurusan Teknik

Lebih terperinci

Analisa Gerakan Manusia Pada Video Digital

Analisa Gerakan Manusia Pada Video Digital Analisa Gerakan Manusia Pada Video Digital Abstrak - Pengenalan cara bergerak tubuh manusia (human motion) dari video stream memiliki beberapa aplikasi dalam video surveillance (pengawasan), dunia hiburan,

Lebih terperinci

SKRIPSI CAIRAN. Disusun Oleh: (20000120034) JURUSAN YOGYAKARTA

SKRIPSI CAIRAN. Disusun Oleh: (20000120034) JURUSAN YOGYAKARTA SKRIPSI SIMULASI MODEL PENGENDALIAN TINGGI PERMUKAAN CAIRAN MENGGUNAKAN PENGENDALI ANFIS Disusun Oleh: NANDANG HADIANA (20000120034) JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH YOGYAKARTA

Lebih terperinci

DASAR JARINGAN. TCP (Transmission Control Protocol) merupakan protokol (penterjemah) dalam

DASAR JARINGAN. TCP (Transmission Control Protocol) merupakan protokol (penterjemah) dalam DASAR JARINGAN Jaringan komputer merupakan fungsi / proses pengiriman data antara satu komputer menuju komputer lainnya. dalam jaringan komputer kita sering mendengar istilah tentang TCP/IP. Lalu apakah

Lebih terperinci

TEMU KEMBALI KOLEKSI DIGITAL (FORMAT VIDEO) SEBAGAI TRANSFORMASI DAN PENGETAUAN. Tri Sagirani Perpustakaan STMIK Surabaya tri.sagirani@gmail.

TEMU KEMBALI KOLEKSI DIGITAL (FORMAT VIDEO) SEBAGAI TRANSFORMASI DAN PENGETAUAN. Tri Sagirani Perpustakaan STMIK Surabaya tri.sagirani@gmail. TEMU KEMBALI KOLEKSI DIGITAL (FORMAT VIDEO) SEBAGAI TRANSFORMASI DAN PENGETAUAN Tri Sagirani Perpustakaan STMIK Surabaya tri.sagirani@gmail.com ABSTRAK Salah satu layanan yang dilakukan oleh pengelola

Lebih terperinci

PEMAMPATAN CITRA MEDIK BERBASIS PENCUPLIKAN KOMPRESIF DAN PUSTAKA LATIH OVERCOMPLETE K-SVD

PEMAMPATAN CITRA MEDIK BERBASIS PENCUPLIKAN KOMPRESIF DAN PUSTAKA LATIH OVERCOMPLETE K-SVD Pemampatan Citra Medik berbasis Pencuplikan Kompresif dan Pustaka Latih.. (Antonius Darma Setiawan) PEMAMPATAN CITRA MEDIK BERBASIS PENCUPLIKAN KOMPRESIF DAN PUSTAKA LATIH OVERCOMPLETE K-SVD Antonius Darma

Lebih terperinci

KAJIAN PENGARUH KETEBALAN PADA KUALITAS DAN MAMPU BENTUK DENGAN MENGGUNAKAN SIMULASI PADA PROSES INJECTION MOLDING (STUDI KASUS: MODEL GELAS)

KAJIAN PENGARUH KETEBALAN PADA KUALITAS DAN MAMPU BENTUK DENGAN MENGGUNAKAN SIMULASI PADA PROSES INJECTION MOLDING (STUDI KASUS: MODEL GELAS) KAJIAN PENGARUH KETEBALAN PADA KUALITAS DAN MAMPU BENTUK DENGAN MENGGUNAKAN SIMULASI PADA PROSES INJECTION MOLDING (STUDI KASUS: MODEL GELAS) Amelia Sugondo Jurusan Teknik Mesin Universitas Kristen Petra

Lebih terperinci

Pengantar Mata Kuliah Pengolahan Citra

Pengantar Mata Kuliah Pengolahan Citra Achmad Basuki Nana R Fadilah Fahrul Politeknik Elektronika Negeri Surabaya Pengantar Mata Kuliah Pengolahan Citra Content: 1. Tujuan mata kuliah Pengolahan Citra 2. Apa saja yang bisa dikerjakan dengan

Lebih terperinci

Penerapan Berbagai Teknik Sistem Temu-Kembali Informasi Berbasis Hiperteks

Penerapan Berbagai Teknik Sistem Temu-Kembali Informasi Berbasis Hiperteks Penerapan Berbagai Teknik Sistem Temu-Kembali Informasi Berbasis Hiperteks Zainal A. Hasibuan zhasibua@caplin.cs.ui.ac.id Yofi Andri yofi298@puspa.cs.ui.ac.id Fakultas Ilmu Komputer Universitas Indonesia

Lebih terperinci

RANCANG BANGUN MEKANISME PENGHASIL GERAK AYUN PENDULUM SINGLE DOF

RANCANG BANGUN MEKANISME PENGHASIL GERAK AYUN PENDULUM SINGLE DOF RANCANG BANGUN MEKANISME PENGHASIL GERAK AYUN PENDULUM SINGLE DOF LATAR BELAKANG Penyebab gerakan adalah gaya. Gaya merupakan pembangkit gerakan. Objek bergerak karena adanya gaya yang bekerja padanya.

Lebih terperinci

RANCANGAN ACAK LENGKAP (RAL)

RANCANGAN ACAK LENGKAP (RAL) RANCANGAN ACAK LENGKAP (RAL) Oleh: Ir. Sri Nurhatika M.P Jurusan Biologi Fakultas MAtematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2010 RANCANGAN ACAK LENGKAP (RAL) Penggunaan

Lebih terperinci

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA

ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA ANALISIS UNJUK KERJA MEDIAN FILTER PADA CITRA DIGITAL UNTUK PENINGKATAN KUALITAS CITRA Indrawati Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh-Medan Km. 280 Buketrata-Lhokseumawe

Lebih terperinci

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015 Uji Hipotesis Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 015 Definisi Hipotesis Suatu pernyataan tentang besarnya nilai parameter populasi yang akan diuji. Pernyataan tersebut masih lemah kebenarannya

Lebih terperinci

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT. Email: okydn@undip.ac.id

PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT. Email: okydn@undip.ac.id PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT Email: okydn@undip.ac.id Kompresi Data Kompresi berarti memampatkan / mengecilkan ukuran Kompresi data adalah proses mengkodekan

Lebih terperinci

BAB II JARINGAN LOCAL AREA NETWORK (LAN) Jaringan komputer merupakan sekumpulan komputer yang berjumlah

BAB II JARINGAN LOCAL AREA NETWORK (LAN) Jaringan komputer merupakan sekumpulan komputer yang berjumlah BAB II JARINGAN LOCAL AREA NETWORK (LAN) 2.1 Pendahuluan Jaringan komputer merupakan sekumpulan komputer yang berjumlah banyak yang saling terpisah-pisah, akan tetapi saling berhubungan dalam melaksanakan

Lebih terperinci

Konsep Deret & Jenis-jenis Galat

Konsep Deret & Jenis-jenis Galat Metode Numerik (IT 402) Fakultas Teknologi Informasi - Universitas Kristen Satya Wacana Bagian 2 Konsep Deret & Jenis-jenis Galat ALZ DANNY WOWOR 1. Pengatar Dalam Kalkulus, deret sering digunakan untuk

Lebih terperinci

Sampling Stratifikasi Dapat Mengurangi Tingkat Risiko Deteksi Dalam Audit Yang Dilaksanakan Oleh APIP. Abstraksi

Sampling Stratifikasi Dapat Mengurangi Tingkat Risiko Deteksi Dalam Audit Yang Dilaksanakan Oleh APIP. Abstraksi Sampling Stratifikasi Dapat Mengurangi Tingkat Risiko Deteksi Dalam Audit Yang Dilaksanakan Oleh APIP Oleh: Muhammad Fuat Abstraksi Dalam sampling stratifikasi auditor memisahkan populasi ke dalam dua

Lebih terperinci

OPTIMASI JARING PADA PENGUKURAN ORDE-3 MENGGUNAKAN PERATAAN PARAMETER

OPTIMASI JARING PADA PENGUKURAN ORDE-3 MENGGUNAKAN PERATAAN PARAMETER OPTIMASI JARING PADA PENGUKURAN ORDE-3 MENGGUNAKAN PERATAAN PARAMETER Yeni Arsih Sriani, Mokhamad Nur Cahyadi Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan,Institut Teknologi Sepuluh Nopember

Lebih terperinci

METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT METODE ITERASI BEBAS TURUNAN BERDASARKAN KOMBINASI KOEFISIEN TAK TENTU DAN FORWARD DIFFERENCE UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Mahrani 1, M. Imran, Agusni 1 Mahasiswa Program Studi S1 Matematika

Lebih terperinci

Apa Itu Komunikasi Data DATA?

Apa Itu Komunikasi Data DATA? DIKTAT MATA KULIAH KOMUNIKASI DATA PENDAHULUAN KOMUNIKASI BAB I IF Apa Itu Komunikasi Data DATA? Istilah data dalam diktat ini berarti segala sesuatu yang belum memiliki arti bagi si penerimanya. Dalam

Lebih terperinci

MODUL KULIAH SISTEM KENDALI TERDISTRIBUSI

MODUL KULIAH SISTEM KENDALI TERDISTRIBUSI MODUL KULIAH SISTEM KENDALI TERDISTRIBUSI KONSEP DASAR SISTEM KENDALI TERDISTRIBUSI Oleh : Muhamad Ali, M.T JURUSAN PENDIDIKAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA TAHUN 2012 BAB

Lebih terperinci

Deteksi dan Koreksi Error

Deteksi dan Koreksi Error BAB 10 Deteksi dan Koreksi Error Setelah membaca bab ini, diharapkan pembaca memperoleh wawasan tentang: beberapa jenis kesalahan (error); teknik deteksi error; teknik memperbaiki error. 2 Deteksi dan

Lebih terperinci

PENGENALAN BAHASA C. Praktikum 3

PENGENALAN BAHASA C. Praktikum 3 Praktikum 3 PENGENALAN BAHASA C A. TUJUAN 1. Mengenal sintaks dan fungsi-fungsi dasar dalam bahasa C 2. Mampu membuat flowchart untuk algoritma untuk memecahkan suatu masalah sederhana, selanjutnya mengimplementasikannya

Lebih terperinci

Strategi Menyerang Jarak Dekat Menggunakan Klasifikasi Bayesian Pada NPC (Non Player Character)

Strategi Menyerang Jarak Dekat Menggunakan Klasifikasi Bayesian Pada NPC (Non Player Character) Strategi Menyerang Jarak Dekat Menggunakan Klasifikasi Bayesian Pada NPC (Non Player Character) Siti Asmiatun 1, Latius Hermawan 2, Tri Daryatni 3 Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Semarang

Lebih terperinci

Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B. 1 FUNGSI Misalkan A dan B himpunan. Relasi biner f dari A ke B merupakan suatu fungsi jika setiap elemen di dalam A dihubungkan dengan tepat satu elemen di dalam B. Jika f adalah fungsi dari A ke B kita

Lebih terperinci

TUJUAN PEMBELAJARAN: 1. Mahasiswa memahami konsep subnetting 2. Mahasiswa mampu melakukan konfigurasi jaringan memakai IP Subnetting

TUJUAN PEMBELAJARAN: 1. Mahasiswa memahami konsep subnetting 2. Mahasiswa mampu melakukan konfigurasi jaringan memakai IP Subnetting MODUL 6 KONSEP SUBNETTING DAN TABEL ROUTING TUJUAN PEMBELAJARAN: 1. Mahasiswa memahami konsep subnetting 2. Mahasiswa mampu melakukan konfigurasi jaringan memakai IP Subnetting DASAR TEORI Nomor IP terdiri

Lebih terperinci

PENGEMBANGAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI

PENGEMBANGAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI PENGEMBANGAN APLIKASI PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PEKERJAAN DI BIDANG TEKNOLOGI INFORMASI Wilis Kaswidjanti 1, Novrido Charibaldi 2, Datu Lestari Mallisa 3 1,2,3 ), Jurusan Teknik Informatika

Lebih terperinci

KOMPONEN DSS IRA PRASETYANINGRUM

KOMPONEN DSS IRA PRASETYANINGRUM KOMPONEN DSS IRA PRASETYANINGRUM 6 alasan mengapa perusahaanperusahaan utama memulai DSS dalam skala besar: Kebutuhan akan informasi yang akurat. DSS dipandang sebagai pemenang secara organisasi. Kebutuhan

Lebih terperinci

MODUL MEMBACA EFEKTIF MENGGUNAKAN SQ3R

MODUL MEMBACA EFEKTIF MENGGUNAKAN SQ3R MODUL MEMBACA EFEKTIF MENGGUNAKAN SQ3R A. MENGAPA KEAHLIAN INI PENTING Membaca merupakan salah satu kegiatan yang harus dilalui dalam rangkaian keahlian literasi informasi bagi seseorang. Keahlian ini

Lebih terperinci

M1632 MODULE LCD 16 X 2 BARIS (M1632)

M1632 MODULE LCD 16 X 2 BARIS (M1632) M1632 MODULE LCD 16 X 2 BARIS (M1632) Deskripsi: M1632 adalah merupakan modul LCD dengan tampilan 16 x 2 baris dengan konsumsi daya yang rendah. Modul ini dilengkapi dengan mikrokontroler yang didisain

Lebih terperinci

Klasifikasi dan Manfaat RAID (Redundant Array of Inexpensive Disks)

Klasifikasi dan Manfaat RAID (Redundant Array of Inexpensive Disks) Klasifikasi dan Manfaat (Redundant Array of Inexpensive Disks) Basuki Winoto, Agus Fatulloh Politeknik Negeri Batam Parkway, Batam Centre, Batam 29461, Indonesia bas@polibatam.ac.id, agus@polibatam.ac.id

Lebih terperinci

Perbandingan Hasil Pengolahan Data GPS Menggunakan Hitung Perataan Secara Simultan dan Secara Bertahap

Perbandingan Hasil Pengolahan Data GPS Menggunakan Hitung Perataan Secara Simultan dan Secara Bertahap Perbandingan Hasil Pengolahan Data GPS Menggunakan Hitung Perataan Secara Simultan dan Secara Bertahap BAMBANG RUDIANTO, RINALDY, M ROBBY AFANDI Jurusan Teknik Geodesi, Fakultas Teknik Sipil dan Perencanaan

Lebih terperinci

Buku Pendalaman Konsep. Trigonometri. Tingkat SMA Doddy Feryanto

Buku Pendalaman Konsep. Trigonometri. Tingkat SMA Doddy Feryanto Buku Pendalaman Konsep Trigonometri Tingkat SMA Doddy Feryanto Kata Pengantar Trigonometri merupakan salah satu jenis fungsi yang sangat banyak berguna di berbagai bidang. Di bidang matematika sendiri,

Lebih terperinci

II. TINJAUAN PUSTAKA. Pembelajaran kooperatif merupakan pemanfaatan kelompok kecil dua hingga

II. TINJAUAN PUSTAKA. Pembelajaran kooperatif merupakan pemanfaatan kelompok kecil dua hingga 9 II. TINJAUAN PUSTAKA A. Model Pembelajaran Examples Non Examples Pembelajaran kooperatif merupakan pemanfaatan kelompok kecil dua hingga lima orang dalam pembelajaran yang memungkinkan siswa bekerja

Lebih terperinci

Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier

Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier JURNAL TEKNIK ITS Vol. 1, (Sept, 01) ISSN: 301-971 A-46 Pengembangan Perangkat Lunak Prediktor Nilai Mahasiswa Menggunakan Metode Spectral Clustering dan Bagging Regresi Linier Ahmad Yusuf, Hari Ginardi

Lebih terperinci