BAB I PENDAHULUAN Latar Belakang
|
|
- Irwan Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN Latar Belakang Tanaman merupakan bagian penting dalam ekosistem, berbagai jenis tanaman telah digunakan selama berabad-abad dalam bidang pangan, papan, maupun obat-obatan. Gloria Samantha dalam menyatakan Indonesia menjadi habitat bagi dari total sekitar jenis tumbuh-tumbuhan obat yang telah dikenal di dunia, dari sekian banyak jenis tanaman obat yang ada di Indonesia jenis telah dimanfaatkan sebagai obat tradisional (Muktiningsih, 2001). Tanaman obat merupakan salah satu jenis tanaman yang memiliki peranan yang sangat penting dalam hidup manusia, bahkan berdasarkan data WHO 2007, sekitar 80% penduduk dunia dalam perawatan kesehatan memanfaatkan obat tradisional yang berasal dari ekstrak tumbuhan. Pengetahuan tentang obat tradisional khususnya tanaman obat tradisional Bali yang masih rendah menyebabkan sulitnya pemanfaatan obat tradisional oleh masing-masing orang dalam lingkup kecil seperti keluarga, hal ini karena pengetahuan mengenai tanaman obat tradisional Bali masih diturunkan berdasarkan kebiasaan dan pustaka-pustaka seperti lontar yang hanya dimiliki oleh segelintir orang. Tanaman obat tradisional yang mencapai ribuan jenisnya juga sulit untuk diidentifikasi, sekalipun masyarakat telah memiliki pengetahuan mengenai ciri-ciri tanaman obat Bali, karena terdapat beberapa jenis tanaman yang memiliki ciri yang sama satu dengan lainnya dan adanya faktor subjektif dari mata manusia, menyebabkan kesalahan dalam penentuan jenis tanaman obat tradisional Bali kerap terjadi. Hal ini menjelaskan bahwa informasi dan ketelitian menjadi sangat penting dalam melakukan identifikasi tanaman obat tradisional Bali. Mengamati fenomena ini maka dibutuhkan suatu perangkat lunak untuk menentukan jenis tanaman obat tradisional Bali agar kesalahan klasifikasi dapat diminimalisir. Peneliti bidang Artificial Intelegence telah menggunakan beberapa metode dalam melakukan klasifikasi jenis tanaman seperti probabilistic neural network, 1
2 2 fourier moment, SVM-BDT. Metode yang kerap digunakan dalam klasifikasi tanaman salah satunya adalah SVM-BDT, dibandingkan dengan beberapa metode lainnya seperti fourier moment, probabilistic neural network (PNN) maka SVM- BDT dinyatakan memberikan hasil yang baik dalam hal klasifikasi tanaman (Krishna Singh, 2010). SVM merupakan klasifikasi yang memperoleh solusi optimal sebagai pembeda antar kelas, lain halnya dengan neural network yang umumnya solusi ditentukan oleh pemilihan bobot awal, sehingga classifier yang didapat kemungkinan merupakan local optimum. Klasifikasi jenis tanaman tidak hanya ditentukan oleh metode yang digunakan tapi juga oleh penentuan fitur-fitur yang menjadi tolak ukur klasifikasi, untuk itu ekstraksi fitur juga menjadi penentu akurasi dari classifier (abdul kadir, 2011). Berdasarkan pemaparan sebelumnya maka penelitian kali ini difokuskan pada bagaimana melakukan klasifikasi jenis tanaman obat tradisional Bali. Rumusan Masalah Berdasarkan latar belakang di atas maka dapat dirumuskan masalah sebagai berikut : 1. Bagaimana cara mendapatkan citra daun yang sesuai untuk klasifikasi tanaman obat tradisional Bali? 2. Bagaimana cara menerapkan metode SVM-BDT untuk pengenalan tanaman obat tradisional Bali? Tujuan Penelitian Tujuan dari penelitian ini adalah untuk menerapkan metode SVM-BDT untuk mengenali jenis tanaman obat tradisional Bali yang dilatih. Batasan Masalah Ada beberapa batasan masalah dalam penelitian ini. Hal ini dilakukan agar program yang dirancang dapat berjalan dengan baik. Berikut batasan yang ada : 1. Sistem yang dirancang merupakan program offline berbasis desktop. 2. Sistem ini dapat mengenali jenis tanaman obat tradisional hanya berdasarkan morfologi daunnya.
3 3 3. Citra daun yang digunakan untuk training maupun testing berukuran minimal 1600 x 1200 piksel diambil dengan scanner dan berlatar putih. 4. Sistem hanya dirancang untuk menentukan jenis antara tanaman obat Bali satu dengan tanaman obat Bali lainnya yang digunakan sebagai sampel. Manfaat Penelitian Manfaat dari penelitian ini adalah membantu masyarakat awam dan peneliti berkaitan dengan botani dan obat-obatan dalam menentukan jenis tanaman obat tradisional Bali. Metodelogi Penelitian Pada sub-bab metode penelitian dijelaskan mengenai proses yang dilalui untuk mendapatkan fitur-fitur daun serta metode klasifikasi yang digunakan untuk menentukan jenis tanaman obat tradisional Bali. Adapun sub-bab metode penelitian menjelaskan tentang desain penelitian, pengumpulan data, pengolahan data awal dan metode yang digunakan Desain Penelitian Judul dari penelitian ini adalah Pengenalan Pola Daun Untuk Menentukan Jenis Tanaman Obat Tradisional Bali dengan Metode SVM-BDT. Penelitian ini merupakan penelitian riset eksperimental (Hasibuan, 2007). Analisis data citra dilakukan dengan memilih data daun tanaman obat tradisional Bali dari sekian banyak jenis tanaman obat di kebun Bokashi Farm, pemilihan tanaman obat tradisional Bali ini didasarkan atas buku usadha Bali. Selanjutnya, daun asli dibersihkan dan di-scan, selanjutnya data diolah sedemikian rupa sehingga memiliki background putih dan didapat ukuran yang diinginkan, proses ini dilakukan secara manual dengan software pengolahan citra. Ukuran background citra yang digunakan minimal 1600x1200 piksel hal ini diperlukan agar ukuran dari citra daun hasil scan sesuai dengan ukuran sebenarnya. Daun hasil load dimunculkan pada imagebox, gambar yang muncul merupakan gambar awal yang di-resize ke ukuran 400 x 300 piksel. Tahap selanjutnya adalah pre-processing yakni citra RGB dikonversi menjadi citra grayscale, black and white, diteksi tepi,
4 4 dan operasi morfologi. Proses selanjutnya setelah tahap ekstraksi fitur agar diperoleh 12 fitur digital, selain itu penelitian ini juga menambah fitur 7 Hu s moment invariant yang nantinya dapat digunakan sebagai pembanding jika dengan maupun tanpa fitur 7 Hu s moment invariant. Proses berikutnya adalah training dengan SVM-BDT dan dilanjutkan dengan proses testing terhadap data-data daun obat tradisional Bali yang digunakan sebagai sampel Pengumpulan Data Data penelitian ada dua jenis (Hasibuan, 2007), yaitu data primer dan data sekunder. Data primer adalah data yang diambil langsung dari objek penelitian. Sedangkan data sekunder merupakan data yang tidak diperoleh secara langsung dari objek penelitian, melainkan data yang berasal dari sumber yang telah di kumpulkan oleh pihak lain. Data yang digunakan dalam penelitian ini adalah data sekunder, data yang diperoleh berupa daun tanaman yang telah berisi label pada tanamannya, data ini diperoleh dari kebun tanaman obat Bokasi Farm Pengolahan Data Awal Daun tanaman obat tradisional yang berisi label dipilah-pilah untuk dijadikan sampel, pemilihan sampel didasarkan pada jenis-jenias daun yang memiliki kemiripan satu dengan lainnya dan tercantum dalam buku usadha Bali. Data daun dibersihkan dan di-scan lalu diberikan label berupa angka untuk tiap jenis tanaman sesuai data dari kebun Bokasi Farm. Setelah diperoleh data daun asli kemudian dibersihkan dan dilakukan proses scanning citra daun dengan format.jpg, foto daun ini kemudian diolah dengan software pengolahan citra agar background daun hasil scanning menjadi putih dan dilakukan proses resize menjadi ukuran 1600x1200 piksel. Langkah selanjutnya adalah pengolahan citra untuk mendapatkan fitur yang diperlukan, adapun tahapan tersebut meliputi preprocessing seperti proses cropping,grayscale, black and white, edge ditection, dan opening morphologi. Kemudian dilakukan proses ektraksi fitur seperti smooth factor, narrow factor, diameter, aspect ratio, form factor, rectangularity, perimeter ratio of diameter, perimeter ratio of physiological length and physiological width, dan lima Vein features, selain 12 fitur tersebut juga dilakukan pencarian 7 fitur
5 5 lainnya yakni 7 Hu s invariant moment yang merupakan fitur yang digunakan sebagai pembanding kemampuan klasifikasi nantinya Metode yang Digunakan Dalam penelitian ini, metode yang digunakan untuk training adalah metode SVM-BDT. Pada proses training melibatkan proses pencarian hyperplane yang digunakan untuk klasifikasi terhadap data training maupun testing. SVM merupakan salah satu metode yang sangat popular dengan solusi global-nya jika dibandingkan dengan metode machine learning lainnya seperti perceptron maupun backpropagation. Metode SVM (Support Vector Machine) memberikan solusi optimal pada setiap proses trainingnya, sehingga berbeda dengan perceptron maupun backpropagation yang sering kali memperoleh solusi optimum local yang disebabkan oleh inisialisasi bobot awal secara random. SVM pada proses training berusaha memperoleh hyperplane yang umumnya berupa nilai lagrange multiplier dan nilai bias. SVM hanya menggunakan data-data support vector untuk melakukan klasifikasi sehingga proses testing menjadi relatif cepat, selain itu SVM juga melibatkan fungsi kernel dalam proses training dan testing pada data non-linier guna meningkatkan dimensi data agar lebih mudah untuk memperoleh hyperplane pada data. SVM merupakan salah satu metode yang sangat powerfull, akan tetapi memiliki kelemahan yakni tidak mampunya melakukan klasifikasi multiclass, untuk itu metode SVM di-hybrid dengan model lain yang dalam penelitian ini adalah model BDT(Binary Decsision Tree), sehingga SVM mampu melakukan proses klasifikasi multiclass. SVM-BDT menerapkan proses devisive clustering sebelum dilakukanya proses SVM, proses ini dilakukan secara rekursif, sehingga terbentuk dua kelas berbeda pada setiap iterasi, sampai semua kelas pada data training terklasifikasi.
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Tinjauan Teoritis 2.1.1 Usadha Taru Ayurveda sudah ada semenjak 2000 tahun yang lalu. Ayurveda adalah ilmu pengetahuan tentang hidup yang berasal dari kata sangsekerta Ayur dan
Lebih terperinciHASIL DAN PEMBAHASAN. Data
dengan menggunakan model Bayesian Network. Nilai kemiripan dapat dihitung dengan Persamaan 21. P(I j Q)=n[1-(1-P(CS j CS)) x(1-p(ct j CT))] (21) dengan n adalah jumlah citra pada basis data, P(CS j CS)
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan
Lebih terperinciIdentifikasi Citra Daun Menggunakan Morfologi, Local Binary Patterns dan Convex Hulls
ISSN : 2442-8337 Identifikasi Citra Daun Menggunakan Morfologi, Local Binary Patterns dan Convex Hulls Desta Sandya Prasvita Program Studi Sistem Informasi, STIMIK ESQ Jl. TB Simatupang Kavling 1, Cilandak,
Lebih terperinciBAB I 1 PENDAHULUAN. 1.1 Latar Belakang
BAB I 1 PENDAHULUAN 1.1 Latar Belakang Bidang komputer merupakan suatu bidang yang tidak akan pernah berhenti dan selalu berkembang kegunaanya hingga sekarang ini. Teknologi baru dan aplikasi baru selalu
Lebih terperinciIMPLEMENTASI METODE SUPPORT VECTOR MACHINE PADA SISTEM PENGENALAN JEJAITAN
IMPLEMENTASI METODE SUPPORT VECTOR MACHINE PADA SISTEM PENGENALAN JEJAITAN Ni Ketut Dewi Ari Jayanti 1), Kadek Dwi Pradnyani Novianti 2), I Wayan Sumalya 3) 1), 2) 3) Sistem Informasi STMIK STIKOM Bali
Lebih terperinciIdentifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ)
Identifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ) Sutarno Rouzan Fiqri Abdullah Rossi Passarella Jurusan Sistem
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang !! "(!
"( BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan (signature) adalah sebuah tanda (sign) atau symbol yang merupakan versi miniatur dari pemiliknya. Tanda tangan bukanlah sembarang tanda atau symbol,
Lebih terperinciAPLIKASI PENGENALAN DAUN UNTUK KLASIFIKASI TANAMAN DENGAN METODE PROBABILISTIC NEURAL NETWORK
APLIKASI PENGENALAN DAUN UNTUK KLASIFIKASI TANAMAN DENGAN METODE PROBABILISTIC NEURAL NETWORK 1 Gregorius Satia Budhi 2 Tok Fenny Handayani 3 Rudy Adipranata 1, 2, 3 Teknik Informatika Universitas Kristen
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas mengenai teori pendukung dan penelitian sebelumnya yang berhubungan dengan metode ekstraksi fitur, serta metode klasifikasi Support Vector Machine dalam
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alur Metodologi Penelitian Berikut adalah alur metodologi penelitian yang akan digunakan dalam menyelesaikan penelitian tugas akhir ini : 3.2 Pengumpulan Data Gambar 3.1
Lebih terperinciIDENTIFIKASI TANAMAN JATI MENGGUNAKAN PROBABILISTIC NEURAL NETWORK DENGAN EKSTRAKSI FITUR CIRI MORFOLOGI DAUN BANGUN ASANURJAYA
IDENTIFIKASI TANAMAN JATI MENGGUNAKAN PROBABILISTIC NEURAL NETWORK DENGAN EKSTRAKSI FITUR CIRI MORFOLOGI DAUN BANGUN ASANURJAYA Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang ENDHULUN Saat ini kemampuan untuk dapat mengidentifikasi dan mengklasifikasi daun menadi kebutuhan yang besar bagi taksonomis dalam mengetahui keanekaragaman tanaman (Hickey et al 999).
Lebih terperinciKlasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor
Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor Febri Liantoni Jurusan Teknik Informatika, Institut Teknologi Adhi Tama, Surabaya, Indonesia febri.liantoni@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengembangan teknologi diharapkan menghasilkan berbagai hal yang berguna untuk memenuhi kebutuhan masyarakat serta memberi kemudahan dan kenyamanan pada pengguna
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang ENDHULUN Dalam ilmu biologi dan kehutanan, diketahui terdapat banyak enis daun dengan karakteristik (ciri) yang berbeda-beda. Hal tersebut menyebabkan sulitnya untuk melakukan pengenalan
Lebih terperinciIDENTIFIKASI DAUN TANAMAN JATI MENGGUNAKAN K-NEAREST NEIGHBOUR DENGAN EKSTRAKSI FITUR CIRI MORFOLOGI DAUN M BANGKIT PRATAMA
IDENTIFIKASI DAUN TANAMAN JATI MENGGUNAKAN K-NEAREST NEIGHBOUR DENGAN EKSTRAKSI FITUR CIRI MORFOLOGI DAUN M BANGKIT PRATAMA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sudah semakin berkembang, hal ini tentunya memberi pengaruh juga dalam berkembangnya ilmu pengetahuan. Perkembangan tersebut juga berpengaruh pada
Lebih terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Indonesia merupakan negara tropis yang memiliki + 30.000 spesies tumbuh-tumbuhan ([Depkes] 2007). Tumbuh-tumbuhan tersebut banyak yang dibudidayakan sebagai tanaman hias. Seiring
Lebih terperinciPengenalan Spesies Tanaman Berdasarkan Bentuk Daun Menggunakan Metode Klasifikasi Move Median Center (MMC) Hypersphere
PRESENTASI TUGAS AKHIR Pengenalan Spesies Tanaman Berdasarkan Bentuk Daun Menggunakan Metode Klasifikasi Move Median Center (MMC) Hypersphere Yusuf Ardiansjah (5107100156) Dosen Pembimbing : Nanik Suciati,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciKLASIFIKASI CITRA FORMULIR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PADA PROSES DIGITALISASI FORMULIR
KLASIFIKASI CITRA FORMULIR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PADA PROSES DIGITALISASI FORMULIR Dewi Pramudi Ismi 1), Ardiansyah 2) 1 Program Studi Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
Lebih terperinciBAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciIDENTIFIKASI DAUN TANAMAN JATI MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION DENGAN EKSTRAKSI FITUR CIRI MORFOLOGI DAUN ASEP HARYONO
IDENTIFIKASI DAUN TANAMAN JATI MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION DENGAN EKSTRAKSI FITUR CIRI MORFOLOGI DAUN ASEP HARYONO DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciKlasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor
Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor Febri Liantoni Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Adhi Tama Surabaya, Indonesia
Lebih terperinciBAB III METODOLOGI PENELITIAN. manusia dengan menggunakan metode Gabor Filter dan Algoritma
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut merupakan desain penelitian yang akan digunakan pada proses rancang bangun aplikasi sistem pengenalan pola fraktur tengkorak manusia dengan menggunakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau informasi
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
Lebih terperinciAPLIKASI PENGKLASIFIKASIAN MOTIF BATIK TULIS LASEM MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN SUPPORT VECTOR MACHINE (SVM)
APLIKASI PENGKLASIFIKASIAN MOTIF BATIK TULIS LASEM MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh
Lebih terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciDeteksi Kemiripan Citra Tanaman Anggrek Menggunakan Metode Support Vector Machine (SVM) Kernel Linear
Jurnal Ilmiah ESAI Volume 8, No.3, Juli 214 ISSN No. 1978-634 Detecting Resemblance Of Orchid Plant Image Through Support Vector Machine (SVM) Of Kernel Linear Method Deteksi Kemiripan Citra Tanaman Anggrek
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem jaringan komputer memiliki peran yang sangat penting dalam masyarakat modern karena memungkinkan informasi dapat diakses, disimpan dan dimanipulasi secara online.
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciPEMANFAATAN HIERARCHICAL CLUSTERING UNTUK PENGELOMPOKKAN DAUN BERDASARKAN FITUR MOMENT INVARIANT
PEMANFAATAN HIERARCHICAL CLUSTERING UNTUK PENGELOMPOKKAN DAUN BERDASARKAN FITUR MOMENT INVARIANT Febri Liantoni 1, Laili Cahyani 2 Institut Teknologi Adhi Tama Surabaya, Indonesia Universitas Trunojoyo
Lebih terperinci1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Cabai (Capsicum annuum L.) merupakan salah satu komoditas pertanian yang cukup penting di Indonesia. Walaupun demikian cabai sangat rentan terkena patogen
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciSISTEM BIOMETRIKA IDENTIFIKASI TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN MODEL PERCEPTRON
SISTEM BIOMETRIKA IDENTIFIKASI TANDA TANGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN MODEL PERCEPTRON I Made Gede Sunarya Program Studi Pendidikan Teknik Informatika Fakultas Teknik dan Kejuruan Universitas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan penelitian yang dilaksanakan ditunjukan pada Gambar 6. Akusisi Citra INPUT Citra Query Preprocessing Citra Pre processing Citra Ekstraksi Fitur
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Seni batik merupakan salah satu warisan budaya yang asli dari Indonesia. Seni batik sendiri juga sudah ada dan dikenal sejak beberapa abad yang lalu di Tanah
Lebih terperinciKlasifikasi Tanaman berdasarkan Fitur Bentuk dan Tekstur pada Daun menggunakan Decision Tree
Klasifikasi Tanaman berdasarkan Fitur Bentuk dan Tekstur pada Daun menggunakan Decision Tree Ratih Kartika Dewi Universitas Brawijaya ratihkartikad@ub.ac.id ABSTRAK Pengenalan pola daun untuk klasifikasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang latar belakang, rumusan masalah, batasan masalah, tujuan masalah, manfaat penelitian, metodologi penelitian, dan sistematika penulisan pada skripsi. 1.1. Latar
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL
PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL Silviana Utari, Tjut Awaliyah, M.Kom, Irma Anggraeni, M.Kom
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peningkatan yang pesat dalam jumlah kendaraan dikota besar memiliki dampak terhadap kebutuhan parkir di tempat-tempat umum seperti di rumah sakit, kantor, pusat perbelanjaan,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinciKLASIFIKASI DAUN TANAMAN THEOBROMA CACAO MENGGUNAKAN METODE NEURAL NETWORK
KLASIFIKASI DAUN TANAMAN THEOBROMA CACAO MENGGUNAKAN METODE NEURAL NETWORK Endi Permata 1), Andri Suherman 2), Alief Maulana 3) 1) 2 )3) Program Studi S1 Teknik Elektro, Fakultas Teknik,Universitas Sultan
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang kwh-meter merupakan alat yang digunakan untuk mengukur besarnya pemakaian energi listrik pada suatu bangunan atau gedung [1]. Berdasarkan sistem pembayarannya,
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION Nasep Muhamad Ramdan (0522135) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg.
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Kanker payudara merupakan salah satu penyebab kematian yang sering dialami oleh wanita pada usia lanjut. Tercatat bahwa pada tahun 2011, terdapat lebih
Lebih terperinciBAB IV HASIL DAN PENGUJIAN. Perancangan perangkat lunak terdiri dari beberapa bagian, yaitu perangkat
BAB IV HASIL DAN PENGUJIAN Perancangan perangkat lunak terdiri dari beberapa bagian, yaitu perangkat lunak berbasis shadow feature dan multi layer perceptron (MLP), pada bagian shadow feature bagian input
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Artificial Neural Network atau jaringan syaraf tiruan merupakan bidang yang sangat berkembang saat ini. Pemanfaatan teknologi mesin dan computer yang tidak terbatas
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector
BAB II TINJAUAN PUSTAKA Pada Bab ini akan menjelaskan tentang teori-teori o i serta hasil penelitian yang revelan dengan penelitian yang akan an dilakukan. an. A. Tinjauan an Pustaka Prabowo, o, Sarwoko
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jenis kelainan pada tulang punggung manusia bermacam-macam, bergantung pada faktor umur, kebiasaan, dan kecelakaan/virusbakteri. Skoliosis adalah kelainan tulang belakang
Lebih terperinciUJI KINERJA DAN ANALISIS K-SUPPORT VECTOR NEAREST NEIGHBOR DENGAN SVM DAN ANN BACK-PROPAGATION
UJI KINERJA DAN ANALISIS K-SUPPORT VECTOR NEAREST NEIGHBOR DENGAN SVM DAN ANN BACK-PROPAGATION Eko Prasetyo 1), Syariful Alim 2), Harunur Rosyid 3) 1,2) Program Studi Teknik Informatika, Fakultas Teknik
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE
IDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE Endina Putri P 1, Diyah Puspitaningrum 2, Andre Mirfen 3 1,2,3 Program Studi Teknik Infomatika, Fakultas Teknik, Universitas Bengkulu.
Lebih terperinciBab III ANALISIS&PERANCANGAN
3.1 Analisis Masalah Bab III ANALISIS&PERANCANGAN Pada penelitian sebelumnya yaitu ANALISIS CBIR TERHADAP TEKSTUR CITRA BATIK BERDASARKAN KEMIRIPAN CIRI BENTUK DAN TEKSTUR (A.Harris Rangkuti, Harjoko Agus;
Lebih terperinciBAB III PERANCANGAN SISTEM. tangan huruf vokal seperti terlihat pada gambar 3.1.
BAB III PERANCANGAN SISTEM 3.1 Alur Penelitian Perancangan sistem simulasi identifikasi dan pengenalan pola tulisan tangan huruf vokal seperti terlihat pada gambar 3.1. Pengambilan data Pre-processing
Lebih terperinciBAB 1 PENDAHULUAN. tanaman tembakau yang termasuk dalam genus Nicotiana. Secara umum
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Tembakau adalah hasil produk pertanian yang diproses dari daun tanaman tembakau yang termasuk dalam genus Nicotiana. Secara umum masyarakat hanya mengetahui
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciPENGENALAN TANDA TANGAN DENGAN METODE MODIFIED DIRECTION FEATURE (MDF) DAN EUCLIDEAN DISTANCE
PENGENALAN TANDA TANGAN DENGAN METODE MODIFIED DIRECTION FEATURE (MDF) DAN EUCLIDEAN DISTANCE Fitri Damayanti D3 Manajemen Informatika Universitas Trunojoyo Jl. Raya Telang, PO BOX 2, Kamal, Bangkalan
Lebih terperinciPERBAIKAN SISTEM PENGENAL JENIS POHON MANGGA MENGGUNAKAN SVM DAN FK-NNC
PERBAIKAN SISTEM PENGENAL JENIS POHON MANGGA MENGGUNAKAN SVM DAN FK-NNC Eko Prasetyo Program Studi Teknik Informatika, Fakultas Teknik Universitas Bhayangkara Surabaya E-mail : eko1979@yahoo.com Abstrak.
Lebih terperinciPENGGABUNGAN FITUR MORFOLOGI, LOCAL BINARY PATTERN VARIANCE, DAN COLOR MOMENTS UNTUK APLIKASI MOBILE IDENTIFIKASI CITRA TUMBUHAN OBAT
PENGGABUNGAN FITUR MORFOLOGI, LOCAL BINARY PATTERN VARIANCE, DAN COLOR MOMENTS UNTUK APLIKASI MOBILE IDENTIFIKASI CITRA TUMBUHAN OBAT MAYANDA MEGA SANTONI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinciBeberapa sampel tanda tangan setiap orang pada umumnya identik namun tidak
Identifikasi Tanda Tangan Menggunakan Manhattan Distance dan Sum Square Error dengan Ekstraksi Ciri Dimensi Fraktal Aismika Aigustin1, Sri Setyaningsih1 dan Aries Maesya1 1. Program Studi Ilmu Komputer
Lebih terperinciBABI PENDAHULUAN 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Tubuh manusia tersusun atas berbagai macam organ vital yang menunjang kehidupan. Salah satu contoh organ vital manusia adalah jantung. Jantung bertugas memompa darah
Lebih terperinciJournal of Control and Network Systems
JCONES Vol. 5, No. 1 (2016) 158-163 Journal of Control and Network Systems Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone IDENTIFIKASI JENIS PENYAKIT DAUN TEMBAKAU MENGGUNAKAN METODE GRAY LEVEL
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Topik yang sering mendapat perhatian khusus dalam bidang Digital Image Processing adalah mengenai pengenalan pola (pattern recognition). Sistem pengenalan pola tidak
Lebih terperinciLAPORAN TUGAS AKHIR. Disusun oleh: Franky
LAPORAN TUGAS AKHIR Analisis Sentimen Menggunakan Metode Naive Bayes, Maximum Entropy, dan Support Vector Machine pada Dokumen Berbahasa Inggris dan Dokumen Berbahasa Indonesia Hasil Penerjemahan Otomatis
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk
Lebih terperinci