ISSN Evaluasi Kinerja Metode PCA/LPP Pada Sistem Pengenalan Citra Wajah Manusia
|
|
- Agus Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN Evaluas Knera Metode PCA/LPP Pada Sstem Pengenalan Ctra Waah Manusa Oleh N Wayan Mart Jurusan Manaemen Informatka, FK - Undksha Abstrak Sstem dentfkas personal yang berbass pengenalan waah dengan tngkat akuras yang optmal sangat dperlukan untuk mengdentfkas seseorang secara tepat yang dapat dmanfaatkan dalam suatu sstem pengamanan elektronk. Pada peneltan n telah dbangun suatu sstem pengenalan ctra waah manusa dengan menerapkan dua metode pada tahap ekstraks cr waah, yatu metode Prncpal Component Analyss (PCA) dgabung dengan metode Localty Preservng Proecton (LPP) atau yang akan dsebut dengan metode PCA/LPP. Sedangkan pada tahap pengklasfkasan dgunakan metode lner yatu arak eucldean dar ketetanggaan terdekat. PCA dgunakan untuk mereduks dmens ctra waah yang besar dengan vektor bass yang dsebut Egenfaces. Sedangkan metode Localty Preservng Proecton merupakan metode lner yang dapat menemukan manfold nonlner data pada dmens rendah. Vektor-vektor bass yang dhaslkan LPP dsebut Laplacanfaces. Untuk tahap u coba sstem, dgunakan bass data waah Yale yang telah dnormalsas. ngkat pengenalan optmal yang dperoleh dengan menggunakan metode PCA adalah 82.67%, sedangkan dengan metode PCA/LPP adalah 86.67%. Kata-kata kunc : PCA, LPP, Egenfaces, Laplacanfaces Abstract Personal dentfcaton system based on face recognton whch has a good rate recognton can be used n electroncal securty system. In ths research has been developed a human face recognton that use two methods on feature etracton stage, that are Prncpal Component Analyss (PCA) and Localty Preservng Proecton (LPP). And usng a nearest neghbor classfer n last stage. PCA s used to reduce dmenson to obtan the orthonormal bass vectors whch s called Egenfaces. LPP s a lnear method whch s able to fnd nonlnear manfold of data at low dmenson. Bass vectors whch are yelded s called Laplacanfaces. he eperment n ths research confronted usng normalzed face databases,.e. Yale databases. he optmal recognton accuracy of ths sytem usng Evaluas Knera Metode PCA/LPP......(N Wayan Mart)
2 26 ISSN Yale database wth PCA methode s 82.67%, and wth PCA/LPP methode s 86.67%. Keywords : PCA, LPP, Egenfaces, Laplacanfaces, I. PENDAHULUAN Pengenalan waah otomats merupakan area peneltan yang sangat pesat berkembang beberapa tahun terakhr. Berbaga aplkas menggunakan ctra waah JPK, UNDIKSHA, Vol. 6, No. 1, Januar 2009 : yang sebaga sumber nformas telah banyak dhaslkan. Hal n dkarenakan secara umum ctra waah dapat memberkan nformas khusus yang berkatan dengan dentfkas personal berbass pengenalan waah yang dapat dmanfaatkan dalam suatu sstem pengamanan elektronk. Secara gars besar metode yang dgunakan dalam proses pengenalan waah ada tga macam yatu metode holstk, metode berdasarkan cr, dan metode hybrd. Dantara metode holstk, metode berdasarkan penampakan (appearance based-methode) adalah teknk yang sangat sukses untuk pengenalan waah pada beberapa tahun terakhr n (Ca et al, 2005, He et al, 2005) Ketka menggunakan metode berdasarkan kenampakan, ctra berukuran nm pksel dgambarkan sebaga sebuah vektor dalam ruang yang berdmens nm (R nm ). Dalam prakteknya, ruang yang berdmens nm n terlalu besar untuk melakukan pengenalan waah yang cepat. Untuk memecahkan permasalahan n basanya dlakukan dengan menggunakan teknk pereduksan. Metode PCA hanya bertuuan untuk menyakan struktur global dar ruang ctra asal. Pada banyak aplkas duna nyata, struktur lokal lebh pentng. Localty Preservng Proecton (LPP) merupakan teknk lner yang dapat menyakan struktur lokal manfold yang dmodelkan dengan adacency graph dar ttk-ttk data pelathan. LPP merupakan metode lner, akan tetap dapat menemukan manfold nonlner data pada dmens rendah (Mart, 2006).
3 ISSN Pada peneltan n telah dbangun sstem pengenalan ctra waah manusa dengan menggunakan pendekatan baru untuk analss waah (representas dan pengenalan), yatu menggunakan perpaduan antara metode PCA dengan LPP (PCA/LPP). Pada sstem n setap ctra waah dpetakan ke dalam subruang yang dbentuk LPP yang berdmens lebh rendah, yang dkarakterstkkan oleh sekumpulan ctra cr (feature mage) yang dsebut Laplacanfaces. Selanutnya pada subruang waah yang dbentuk oleh Laplacanfaces n akan dlakukan pengklasfkasan dengan menggunakan arak eucledan dar ketetanggaan terdekat. Prncple Component Analyss (PCA) PCA merupakan sebuah tehnk lner yang dgunakan untuk memproyekskan data yang berdmens tngg ke dalam subruang yang berdmens lebh rendah. eknk PCA dkenal sebaga metode Kurhunen-Loeve, yang memlh sebuah proyeks lner untuk mereduks dmens ruang ctra yang memaksmalkan seluruh data pelathan yang dproyekskan. waah yatu penyebaran (scatter) dar urk and Pentland (1991) mengatakan bahwa ka ada M buah ctra, 2,..., 1 M yang dgunakan dalam pelathan dan masngmasng ctra waah dpandang sebaga sebuah vektor waah yang panangnya N (bars kolom). Rata-rata waah dar kumpulan data yang dlath n dapat dperoleh dar Evaluas Knera Metode PCA/LPP......(N Wayan Mart) M 1 (2.1). Kemudan, setap vektor waah dkurangkan dengan rata-rata waah, dengan rumus (2.2). Kumpulan dar vektor-vektor yang sangat besar n merupakan syarat untuk analss komponen utama (prncpal component), yang mana mencar sekumpulan m (m << N) buah vektor orthonormal k yang bersesuaan dengan nla egen k terbak yang menggambarkan pendstrbuasan data. Vektor k dan scalar k masng-masng merupakan vektor egen dan nla egen dar matrks kovaran :
4 28 ISSN dmana matrks C 1 M AA M 1 (2.3) A 1, 2,..., N. Matrks kovaran C akan berukuran N N, dan dgunakan untuk mencar N buah vektor egen dan nla egen. Nla n memlk dmens yang sangat besar untuk proses ctra. Untuk tu secara komputas, dperlukan metode yang lebh sederhana untuk mendapatkan vektor egen-vektor egen n. Untuk mengatas hal n, dapat dgunakan dmens matrks yang lebh kecl yatu MM untuk proses PCA, dmana M merupakan umlah ctra yang dgunakan dalam pelathan (urk and Pentlant, 1991). Oleh Yambor (2000), cara tersebut d atas dkenal dengan metode Snapshot Egenfaces. Dengan analsa n, perhtungan menad berkurang secara dramats, dar ukuran umlah pksel N menad M (M << N). Pemecahan metode n dgunakan ka umlah data pelathan auh lebh kecl dar dmens vektor waah. Menurut teorema alabar lner, bahwa nla egen dar AA dan A A adalah sama. Selanutnya, vektor egen dar AA vektor egen dnormalsas. adalah sama sepert dar A A yang dkalkan dengan matrks A dan Localty Preservng Proecton (LPP) LPP merupakan algortma baru untuk pembelaaran subruang penyaan secara lokal. LPP mencar arah untuk menyakan geometr nstrnsk dar data pelathan dan struktur lokal (He, et al, 2005). Fungs obyektf dar LPP, adalah sebaga berkut : mn ( f f 2 ) W (2.4) dmana f merupakan penggambaran satu dmens dar (data asal/pelathan) dan matrks W merupakan matrks smlarty. W dapat ddefnskan sebaga berkut Error! Reference source not found.: W e 0 t 2,, ka ka dan dan berada pada kelas yang berada pada kelas yang berbeda JPK, UNDIKSHA, Vol. 6, No. 1, Januar 2009 : sama (2.5)
5 ISSN Pemnmalan fungs obyektf, mencoba untuk memastkan bahwa antara ttk dan adalah benar-benar dekat yatu berada dalam kelas yang sama. Msal dketahu a merupakan sebuah vektor transformas, dmana f a X, dmana vektor kolom ke- dar X adalah. Fungs obyektf d atas dapat dreduks ke dalam bentuk a XLX a (2-6) dmana X 1, 2,, M, dan D adalah matrks dagonal yang yang snya adalah umlah kolom (atau bars karena W smetrs) dar W, D = W.. L = D W adalah matrks Laplacan. Matrks D memberkan pengukuran yang natural pada ttk-ttk data. Selanutnya vektor bass dar LPP akan dperoleh dengan cara memecahkan permasalahan mnmalsas untuk menemukan : aopt arg mn a XLX a (2.7) dengan batasan : a XDX a 1 (2.8) Vektor transformas a yang memnmalkan fungs obektf dberkan dengan solus nla egen mnmum untuk permasalahan umum vektor egen, berkut n : XLX a XDX a (2.9) Matrks XLX dan XDX adalah smetrs dan postve sem defnte karena matrks Laplacan L dan matrks dagonal D keduanya smetrs dan postve sem defnte. Vektor transformas a opt yang dsebut sebaga Laplacanfaces adalah tdak orthonormal. II. MEODOLOGI PENELIIAN Secara umum, desan sstem pengenalan ctra waah manusa yang menerapkan Metode Localty Preservng Proecton (LPP) adalah sebaga berkut : Evaluas Knera Metode PCA/LPP......(N Wayan Mart)
6 30 ISSN Reduks Dmens dengan PCA Pembangunan Subruang Orthogonal dengan LPP Klasfkas Gambar Data Klasfkas Reduks Dmens dengan PCA Pembangunan Subruang Orthogonal dengan LPP Klasfkas HASIL Gambar 1 Desan sstem pengenalan ctra waah manusa menggunakan Metode Localty Preservng Proecton (LPP) Algortma dar desan sstem d atas adalah sebaga berkut : 1. Vektor dan Ruang Waah Sebuah ctra waah dapat dpandang sebaga sebuah vektor yang terletak dalam sebuah ruang yang dsebut ruang ctra (mage space). Sebuah ctra tersusun atas pksel-pksel yang masng-masng pksel memlk nla. Apabla lebar dan tngg sebuah ctra adalah w dan h, maka banyaknya komponen dar vektor n adalah wh pksel, sepert yang terlhat pada Gambar 2 d bawah n Gambar 2 Formas Vektor dar sebuah ctra waah 2. Reduks Dmens eknk yang dgunakan untuk mereduks dmens ctra yang tngg menad subruang ctra yang lebh rendah adalah teknk PCA. PCA akan membangktkan suatu hmpunan bass orthonormal yang dsebut komponen utama yang memaksmalkan sebaran dar seluruh data pelathan { } yang dproyekskan. erdapat X X 1, X 2,, X M yang merupakan hmpunan data pelathan dar ctra waah asal berdmens N dengan rata-rata waah JPK, UNDIKSHA, Vol. 6, No. 1, Januar 2009 : 25-36
7 ISSN nol. Selanutnya vektor egen dan nla egen akan dhtung menggunakan metode Snapshot Egenfaces untuk tuuan menghemat baya komputas, yatu sebaga berkut : ( X X ) (3.1) X (3.2) Dengan dag{ 1, 2,, M } dan P 1, 2,, M Jka dasumskan bahwa nla egen telah terurut secara decreasng order, 1 2 M, maka m vektor egen terbesar pertama dgunakan untuk mendefnskan matr A A 1, 2,, m (3.3) Hmpunan cr baru Z dengan dmens m (m N) dapat dhtung dengan rumusan Z A X (3.4) Untuk alasan kesederhanaan, untuk pada tahap selanutnya mash akan menggunakan untuk menotaskan ctra pada subruang PCA. Selanutnya matrks transformas PCA (A) dnotaskan dengan A PCA. 3. Membangun graph ketetanggaan terdekat Dbangun graph G menotaskan sebuah graph dengan n node. Node ke- menggambarkan ctra waah. Karena peneltan dlakukan pada lngkup terawas, maka edge akan dtempatkan dantara node dan ka dan terletak pada kelas yang sama. Graph ketetanggaan terdekat yang bangun merupakan perkraan dar struktur manfold lokal. 4. Pembobotan dengan Heatkernel Jka node dan terhubung maka dber nla W e t 2, dan Jka node dan tdak terhubung maka dber nla nol. Evaluas Knera Metode PCA/LPP......(N Wayan Mart)
8 32 ISSN Pemetaan Egen Penghtungan vektor egen dan nla egen untukpermasalahan vektor egen yang umum : (3.5) dmana D adalah matrks dagonal yang snya adalah umlah kolom (atau bars karena S adalah smetrs) dar matrks S, D = S. L = D S adalah matrks Laplacan. Msalkan, w, w,..., w } menad pemecahan dar persamaan 3.5 { 1 2 k 1 yang terurut berdasarkan nla egen terkecl, k 1 besar dar pada 0 (nol) karena matrks. Nla egen - nla egen n sama atau lebh XLX dan XDX keduanya adalah smetrs, dmana akan dsmpan dengan cara sebaga berkut: y W, (3.6) W W PCA W LPP, (3.7) W w, w,..., w ] (3.8) LPP [ 1 2 k 1 dmana y adalah vektor berdmens k. W adalah matrks transformas. A LPP merupakan vektor bass yang dsebut Laplacanfaces 6. Klasfkas Metode pengklasfkasan yang dgunakan adalah arak eucldean dar ketetanggaan terdekat. Jarak eucldean antara dua buah ttk pada sub ruang yang berdmens lebh rendah dapat dhtung dengan cara sebaga berkut : dst( y, y ) y A A ( ( y A ) ) AA ( (3.9) ) JPK, UNDIKSHA, Vol. 6, No. 1, Januar 2009 : 25-36
9 ISSN III. PEMBAHASAN U coba terhadap sstem pengenalan ctra waah manusa yang dkembangkan pada peneltan n dlakukan pada sebuah bass data waah baku yatu Yale. Sebaga pemrosesan awal, seluruh ctra akan dnormalsas dan mata dluruskan pada poss yang sama. Seluruh Bass Data Yale memuat 15 orang dengan masng-masng memlk 11 ctra. Subyek bervaras terhadap ens kelamn, ekspres waah (normal, senang, sedh, mengantuk, terkeut, dan berkedp), konds pencahayaan (arah kr, tengah dan kanan) dan asesors waah (msalnya pemakaan kacamata). Ctra hasl normalsas yang dgunakan berukuran pksel dar ctra asal yang berukuran pksel. Penguan pada sstem pengenalan waah yang dkembangkan pada peneltan n dlakukan dengan memsahkan data ctra waah menad dua hmpunana yang salng psah (dsont) yatu hmpunan ctra pelathan dan ctra penguan. Perhtungan persentase dar keberhaslan pengenalan waah dlakukan pada hmpunan ctra penguan. Proses pembelaaran pada bass data waah Yale dlakukan pada tga varas penguan, yatu: U Yale 5, pada u n dambl lma buah pose dar tap subyek sebaga anggota hmpunan data pelathan dan enam pose lannya dmasukkan pada data penguan. U Yale 6, pada u n dambl enam buah pose dar tap subyek sebaga anggota hmpunan data pelathan dan lma pose lannya dmasukkan pada data penguan. U Yale 7, pada u n dambl tuuh buah pose dar tap subyek sebaga anggota hmpunan data pelathan dan empat pose lannya dmasukkan pada data penguan. Penguan dlakukan pada metode PCA dan metode PCA/LPP. Berkut n adalah tabel dar tngkat pengenalan pada tga varas penguan pada bass data waah Yale, adalah sebaga berkut : Evaluas Knera Metode PCA/LPP......(N Wayan Mart)
10 34 ISSN abel 1 Hasl penguan sstem Metode PCA/LPP PCA Varas Presentase Penguan Pengenalan Dmens Yale % 30 Yale % 24 Yale % 13 Yale % 43 Yale % 15 Yale % 40 Dar hasl penguan d atas, terlhat bahwa knera dar metode PCA, PCA/LPP yang dgunakan sangat bervaras dengan umlah dmens. In dakbatkan karena adanya faktor pembobotan pada Metode PCA/LPP pada tahap penerapan LPP-nya. Hasl penguan menunukkan bahwa hasl terbak dperoleh dengan menggunakan PCA/LPP yatu penggabungan antara metode PCA dengan metode LPP. dak ada perbakan yang sgnfkan ka dmens yang dgunakan lebh dar pada dmens optmal d atas, sepert yang terlhat pada Gambar 3 d bawah n : PCA PCA/LPP Gambar 3 Grafk ngkat pengenalan sstem terhadap besarnya dmens Dar hasl penguan yang dperoleh menggunakan Metode PCA, pada u Yale 7 terlhat bahwa tngkat pengenalan yang dperoleh menurun, n dakbatkan karena adanya faktor pencahayaan pada ctra Bass Data Yale. JPK, UNDIKSHA, Vol. 6, No. 1, Januar 2009 : 25-36
11 ISSN IV. PENUUP Berdasarkan u coba dan analss hasl penguan terhadap Sstem Pengenalan Ctra Waah Menggunakan Metode PCA/LPP dapat dsmpulkan sebaga berkut : Sstem pengenalan waah yang dkembangkan mampu melakukan pengenalan yang optmal pada subruang waah dengan mempertmbangkan dua aspek yang salng berpengaruh yatu, aspek reduks terhadap umlah data yang dgunakan pada klasfkas serta penngkatan kemampuan pendskrmnasannya. Untuk u coba perangkat lunak, dgunakan bass data waah baku yatu he Yale Face Database (Yale) ngkat pengenalan optmal yang dperoleh dengan menggunakan metode PCA adalah 82.67%, dan dengan metode gabungan yatu PCA/LPP adalah 88,33%. Metode PCA/LPP lebh dskrmnan dbandngkan dengan metode PCA untuk tuuan pengklasfkasan V. DAFAR PUSAKA Ca, D., He, X., and Han, J. (2005) Usng Graph Model for Face Analyss, Unversty of Illnos at Urbana-Champagn and Unversty f Chcago. He, X., Yan, S., Hu, Y., Nyog, P., and Zhang, H. J. (2005) Face Recognton Usng Laplacanfaces, IEEE transactos on Pattern analyss and machne ntellgence, 27, Mart, N Wayan, (2006), Pengenalan Waah pada Subruang Menggunakan Orthogonal Laplacanfaces, Prosdng Semnar Nasonal Pascasarana VI 2006 IS, vol. 2. Mart, N Wayan, (2007), Penerapan eknk Egenfaces Pada Sstem Pengenalan Waah, Jurnal Penddkan eknolog dan Keuruan, 4(1), Evaluas Knera Metode PCA/LPP......(N Wayan Mart)
12 36 ISSN Soelaman, R., (2006), Sstem Pengenalan Waah dengan Penerapan Algortma Genetka pada Optmas Bass Egenface dan Proyeks Fsherface, ess Master, Unverstas Indonesa urk, M and Pentlant, A. (1991) Face Recognton Usng Egenfaces, Proc. IEEE Conf. of Computer Vson and Pattern Recognton, 13, Yambor, W.S. (2000) Analyss of PCA-Based and Fsher Dscrmnant- Based Image Recognton Algorthms, ess of Master, Colorado State Unversty. JPK, UNDIKSHA, Vol. 6, No. 1, Januar 2009 : 25-36
Matematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN EORI. Defns Ctra, Pengolahan Ctra dan Pengenalan Pola Ada beberapa defns Ctra, yatu : a. suatu representas, kemrpan, atau mtas dar suatu obyek atau benda (menurut Kamus Webster). b. representas
Lebih terperinciPENGARUH EKSPRESI WAJAH TERHADAP KEBERHASILAN KLASIFIKASI GENDER BERBASIS PCA-LDA
Pengaruh Ekspres Wajah terhadap Gender Berbass - (Agus Seta Bud N.) PENGARUH EKSPRESI WAJAH ERHADAP KEBERHASILAN KLASIFIKASI GENDER BERBASIS - Agus Seta Bud N. (1) (1) Staf Pengajar Jurusan eknk Elektro
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciKonferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 DAFTAR REVIEWER
Konferens Nasonal Sstem & Informatka 2015 STMIK STIKOM Bal, 9 10 Oktober 2015 DAFTAR REVIEWER Dr. Agus Harjoko Prof. Dr. Sr Hartat Dr.-Ing. Reza Pulungan Dr. Djoko Soetarno, DEA Dr. Ir. Rla Mandala, M.Eng
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciAPLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Studi Kasus Pengenalan Karakter Tulisan Tangan)
APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Stud Kasus Pengenalan Karakter Tulsan Tangan) Irwan Bud Santoso Jurusan Teknk Informatka, Sans dan Teknolog Unverstas Islam
Lebih terperinciDekomposisi Nilai Singular dan Aplikasinya
A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciALJABAR LINIER LANJUT
ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinci3 METODE HEURISTIK UNTUK VRPTW
12 3 METODE HEURISTIK UNTUK VRPTW 3.1 Metode Heurstk Metode heurstk merupakan salah satu metode penentuan solus optmal dar permasalahan optmas kombnatoral. Berbeda dengan solus eksak yang menentukan nla
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 INJAUAN PUSAKA 2.1 Ctra Dgtal Ctra (mage) adalah gambar pada bdang dua dmens. Dtnjau dar sudut pandang matemats, ctra merupakan fungs menerus (contnue) dar ntenstas cahaya pada bdang dua dmens. Ctra
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) Wrayant ), Ad Setawan ), Bambang Susanto ) ) Mahasswa Program Stud Matematka FSM UKSW Jl. Dponegoro 5-6 Salatga,
Lebih terperinciALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN
ALGORITMA UMUM PENCARIAN INFORMASI DALAM SISTEM TEMU KEMBALI INFORMASI BERBASIS METODE VEKTORISASI KATA DAN DOKUMEN Hendra Bunyamn Jurusan Teknk Informatka Fakultas Teknolog Informas Unverstas Krsten Maranatha
Lebih terperinciPROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM. DENGAN Principal Component Analysis (PCA)
PROPERT DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN Prncpal Component Analyss (PCA) Oleh : Hanna aa Parhusp, usp, Deva eawdyananto a dan Bernadeta Desnova Kr Program Stud Statstka
Lebih terperinciOPTIMASI MASALAH PENUGASAN. Siti Maslihah
JPM IIN ntasar Vol. 01 No. 2 Januar Jun 2014, h. 95-106 OPTIMSI MSLH PNUGSN St Maslhah bstrak Pemrograman lner merupakan salah satu lmu matematka terapan yang bertuuan untuk mencar nla optmum dar suatu
Lebih terperinciBAB 2 LANDASAN TEORI. fungsi f(x,y), dimana x dan y merupakan spatial koordinat, dan tingkatan aplitude
BAB 2 LANDASAN TEORI 2.1 Ctra Menurut Gonzales (2004, p1) Ctra bsa djelaskan sebaga 2 dmens dar fungs f(x,y), dmana x dan y merupakan spatal koordnat, dan tngkatan apltude pada poss n dsebut dengan ntenstas
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciANALISIS KEMIRIPAN POLA CITRA DIGITAL MENGGUNAKAN METODE EUCLIDEAN
AALISIS KEMIRIPA POLA CITRA DIGITAL MEGGUAKA METODE EUCLIDEA Eus St ur Asyah1), Abdul Hayat2), Puspa Wdant3), Shnta Yulnda Prasetya4), Helm Iskandar5) 1), 2 ), 3) Komputersas Akuntans AMIK Raharja Informatka
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Mutu sekolah merupakan hasl yang dcapa oleh knera sekolah. Dalam bdang akademk, mutu sekolah dkatkan dengan mutu lulusan sekolah. Indkator mutu lulusan sekolah umumnya menggunakan
Lebih terperinciPENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA
MAKALAH SEMINAR TUGAS AKHIR PENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA Suharto Jat Santoso *, Bud Setyono **, R. Rzal Isnanto ** Abstrak - Selama n pengenalan jens kan pada
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciGambar 3.1 Diagram alir penelitian
BAB 3 METODE PENELITIAN 3.1 Dagram Alr Peneltan Materal Amorph Magnetk (Fe 73 Al 5 Ga 2 P 8 C 5 B 4 S 3 ) Ekspermen DfraksNeutron (I vs 2theta) Smulas Insalsas atom secara random Fungs struktur, F(Q) Perhtungan
Lebih terperinciPengenalan Wajah Menggunakan Implementasi T-shape Mask pada Two Dimentional Linear Discriminant Analysis dan Support Vector Machine
Musthafa, Pengenalan Wajah Menggunakan Implementas -shape Mask Pada wo Dmentonal Lnear Dscrmnant Analyss dan... 1 Pengenalan Wajah Menggunakan Implementas -shape Mask pada wo Dmentonal Lnear Dscrmnant
Lebih terperinciJMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT
JMP : Volume 5 Nomor, Jun 03, hal. 3 - SPEKTRUM PD GRF REGULER KUT Rzk Mulyan, Tryan dan Nken Larasat Program Stud Matematka, Fakultas Sans dan Teknk Unerstas Jenderal Soedrman Emal : rzky90@gmal.com BSTRCT.
Lebih terperinci2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).
2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciPengenalan Wajah Menggunakan Pseudo-2D Hidden Markov Model
Pengenalan Wajah Menggunakan Pseudo-2D Hdden Markov Model Anak Agung Gde Agung 1, Fazmah Arf Yulanto 2, Warh Maharan 3 1 Program Stud Komputersas Akuntans Polteknk Telkom, Bandung 2,3 Fakultas Teknk Informatka,
Lebih terperinciPengenalan Pola Senyum Menggunakan Backpropagation Berbasis Ekstraksi Fitur Principal Component Analysis (PCA)
Pengenalan Pola Senyum Menggunakan Backpropagaton Berbass Ekstraks Ftur Prncpal Component Analyss (PCA) Rma Tr Wahyunngrum 1, Rza Mashta Wat 2, Aer Rachmad 3 Program Stud Teknk Informatka, Unverstas Trunojoyo
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciPage 1
Image Recognton Tresold Sebelum melangka pada proses pendeteksan ss terleb daulu ctra duba ke dalam ctra yang anya terdr dar dua warna saa yatu warna tam yang menampakkan ss obek dan yang lannya akan dbuat
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciOleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran
Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas
Lebih terperinciPERANCANGAN JARINGAN AKSES KABEL (DTG3E3)
PERCG JRIG KSES KBEL (DTG3E3) Dsusun Oleh : Hafdudn,ST.,MT. (HFD) Rohmat Tulloh, ST.,MT (RMT) Prod D3 Teknk Telekomunkas Fakultas Ilmu Terapan Unverstas Telkom 015 Peramalan Trafk Peramalan Trafk Peramalan
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
Jurnal Ilmah Wdya Teknk Volume 16 Nomor 1 2017 ISSN 1412-7350 PEMODELAN MATEMATIKA UNTUK PERANCANGAN PRODUK LEMARI KABINET Rcky Yulanton Prhandaa, Dan Retno Sar Dew * Jurusan Teknk Industr, Fakultas Teknk,
Lebih terperinciPengenalan Tanda Tangan Dengan Metode Principal Component Analysis (PCA) Dan Jaringan Syaraf Tiruan (JST)
1 Pengenalan Tanda Tangan Dengan Metode Prncpal Component Analyss (PCA) Dan Jarngan Syaraf Truan (JST) Hann Prastka 1, Rahmat Suhatman 2, Warna Nengsh 3 Program Stud Teknk Informatka dan Multmeda, Polteknk
Lebih terperinciAPLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS
Vol No Jurnal Sans Teknolog Industr APLIKASI METODE SINGULAR VALUE DECOMPOSITION(SVD) PADA SISTEM PERSAMAAN LINIER KOMPLEKS Ftr Aryan Dew Yulant Jurusan Matematka Fakultas Sans Teknolog UIN SUSKA Rau Emal:
Lebih terperinciPreferensi untuk alternatif A i diberikan
Bahan Kulah : Topk Khusus Metode Weghted Product (WP) menggunakan perkalan untuk menghubungkan ratng atrbut, dmana ratng setap atrbut harus dpangkatkan dulu dengan bobot atrbut yang bersangkutan. Proses
Lebih terperinciPENGENALAN CITRA WAJAH YANG MEMILIKI GANGGUAN PENCAHAYAAN DENGAN KLASIFIER NEAREST NEIGHBOUR BERDASARKAN FITUR EIGENFACE DAN FISHERFACE
PENGENALAN CIRA WAJAH YANG MEMILIKI GANGGUAN PENCAHAYAAN DENGAN KLASIFIER NEARES NEIGHBOUR BERDASARKAN FIUR EIGENFACE DAN FISHERFACE Suband Polteknk Neger Banjarmasn Jl. Jend. H. Hasan Basr Kayu ang Banjarmasn
Lebih terperinciPEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING
Semnar Nasonal Inovas Dan Aplkas Teknolog D Industr 2017 ISSN 2085-4218 ITN Malang, 4 Pebruar 2017 PEMILIHAN LAHAN TERBAIK UNTUK TANAMAN KELAPA SAWIT MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Helza
Lebih terperinciPENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN
PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M. 3 1 3 Teknk Informatka Unverstas Tarumanagara
Lebih terperinciPERHITUNGAN PENILAIAN MAHASISWA TERHADAP MENGAJAR DOSEN BERBASIS KASUS MENGGUNAKAN ALGORITMA BAYESIAN
JURNAL DAI IN: - Vol. No. JUNI ERHITUNGAN ENILAIAN MAHAIWA TERHADA MENGAJAR DOEN BERBAI KAU MENGGUNAKAN ALGORITMA BAYEIAN Ern enwat TMIK AMIKOM Yogyakarta ern.s@amkom.ac.d ABTRAKI roses belaar mengaar
Lebih terperinciPELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC
PELABELAN TOTAL SISI AJAIB SUPER PADA GRAF CORONA-LIKE UNICYCLIC Kurnawan *, Rolan Pane, Asl Srat Mahasswa Program Stud S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciBab IV Pemodelan dan Perhitungan Sumberdaya Batubara
Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tnjauan Pustaka Dar peneltan yang dlakukan Her Sulstyo (2010) telah dbuat suatu sstem perangkat lunak untuk mendukung dalam pengamblan keputusan menggunakan
Lebih terperinciPENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD
Semnar Nasonal Sstem dan Informatka 2007; Bal, 6 November 2007 PENYELESAIAN SHORTEST PATH PROBLEM DENGAN JARINGAN SARAF TIRUAN HOPFIELD Nur Hasanah ) Istkhomah 2) Taufq Hdayat 3) Sr Kusumadew 4) Jurusan
Lebih terperinciMODEL PENGENALAN TERBAIK DENGAN TREE-AUGMENTED NETWORK (TAN) DAN ESTIMATOR MAXIMUM LIKELIHOOD (ML) BERDASARKAN FITUR OBJEK
MOEL PENGENALAN TERBAIK ENGAN TREE-AUGMENTE NETWORK (TAN) AN ESTIMATOR MAIMUM LIKELIHOO (ML) BERASARKAN FITUR OBJEK Irwan Bud Santoso Jurusan Teknk Informatka, Sans dan Teknolog Unverstas Islam Neger (UIN)
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN :
JURNA MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 59-70, Agustus 2003, ISSN : 1410-8518 MASAAH RUTE TERPENDEK PADA JARINGAN JAAN MENGGUNAKAN AMPU AU-INTAS Stud Kasus: Rute Peralanan Ngesrep Smpang ma Eko Bud
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciPenerapan Metode Runge-Kutta Orde 4 dalam Analisis Rangkaian RLC
Penerapan Metode Runge-Kutta Orde 4 dalam Analss Rangkaan RLC Rka Favora Gusa JurusanTeknk Elektro,Fakultas Teknk,Unverstas Bangka Beltung rka_favora@yahoo.com ABSTRACT The exstence of nductor and capactor
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciSEGMENTASI CITRA BERWARNA MENGGUNAKAN ALGORITMA JSEG
SEGMENTASI CITRA BERWARNA MENGGUNAKAN ALGORITMA JSEG Rully Soelaman 1), Darls Herumurt ), Dyah Wardhan Kusuma. 3) Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember (ITS), Surabaya, 6111, Indonesa
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciFACE RECOGNITION MENGGUNAKAN METODE ALGORITMA VIOLA JONES DALAM PENERAPAN COMPUTER VISION
FCE RECOGTO MEGGUK METODE LGORTM VOL JOES DLM PEERP COMPUTER VSO Pareza lam Jusa, S.Kom, M.Kom STKOM Dnamka Bangsa Jamb,Teknk nformatka E-mal: parezaalam@stkom-db.ac.d BSTRK Deteks wajah merupakan suatu
Lebih terperinciPELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP
JMP : Volume 1 Nomor 2, Oktober 2009 PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP Tryan dan Nken Larasat Fakultas Sans dan Teknk, Unverstas Jenderal Soedrman Purwokerto, Indonesa
Lebih terperinciANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
ANALISIS SENTIMEN PENGGUNA JEJARING SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE M. Fachrurroz, M.T. 1, Nov Yuslan, M.T. 2 1,2 Jurusan Teknk Informatka Fakultas Ilmu Komputer, Unverstas Srwjaya 1 obetsobets@gmal.com,
Lebih terperinci(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a
Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciKLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING
KLASTERISASI DATA MICROARRAY MENGGUNAKAN METODE CLIQUE PARTITIONING Lsa Maranah 1, Fhra Nhta, Adwjaya 3 1,,3 ProdS1 Ilmu Komputas, Fakultas Informatka, Unverstas Telkom 1 lsamaranah@gmal.com, fhranhta@telkomunversty.ac.d,
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciSOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN
SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata
Lebih terperinciSISTEM DETEKSI RETINOPATI DIABETIK MENGGUNAKAN SUPPORT VECTOR MACHINE
SISEM DEEKSI REINOPAI DIABEIK MENGGUNAKAN SUPPOR VECOR MACHINE ess untuk memenuh sebagan persyaratan mencapa deraat Sarana S- Program Stud Magster Sstem Informas Oleh: Wahyud Setawan 40040400060 PROGRAM
Lebih terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL
MAKALA EMINAR TUGA AKIR PERIODE JULI 00 IMPLEMENTAI EGMENTAI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING ERAI IMILARITA MAKIMAL Ayu Arta Paramta Relga, andayan Tjandrasa, Anny Yunart 3 Teknk Informatka,
Lebih terperinciIII. METODE PENELITIAN
III. METODE PEELITIA 3.1. Kerangka Pemkran Peneltan BRI Unt Cbnong dan Unt Warung Jambu Uraan Pekerjaan Karyawan Subyek Analss Konds SDM Aktual (KKP) Konds SDM Harapan (KKJ) Kuesoner KKP Kuesoner KKJ la
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciDalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang
LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciKata kunci : daya, bahan bakar, optimasi, ekonomis. pembangkitan yang maksimal dengan biaya pengoperasian unit pembangkit yang minimal.
Makalah Semnar Tugas Akhr MENGOPTIMALKAN PEMBAGIAN BEBAN PADA UNIT PEMBANGKIT PLTGU TAMBAK LOROK DENGAN METODE LAGRANGE MULTIPLIER Oleh : Marno Sswanto, LF 303 514 Abstrak Pertumbuhan ndustr pada suatu
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON
STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciPENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING
Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas
Lebih terperinci