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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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. Universitas Tanjungpura Pontianak-Kalbar Jl. Cipinang Besar no 2 Jakarta Telp. (021) Fax Abstrak Pada saat proses pengajuan kredit, nasabah akan mengisi formulir yang ditulis dengan cara tulis tangan, kemudian costumer service melakukan proses input secara manual ke database dengan komputer. Sistem dan program yang dibuatkan dapat mengenali karakter tulisan tangan tersebut kedalam bentuk ASCII dengan menggunakan jaringan syaraf tiruan, sehingga costumer service tidak perlu lagi melakukan proses input secara manual. Data citra yang sudah dilakukan pengolahan citra dilatih dengan menggunakan algoritma pembelajaran backpropagation. Bobot-bobot yang sudah dilatih akan dijadikan sebagai bobot-bobot acuan yang sudah terlatih dan akan digunakan dalam pengenalan karakter tulisan tangan. Hasil yang diperoleh setelah dilakukan pengujian sample tulisan tangan dari 5 orang, menunjukkan bahwa proses input data tulisan tangan di formulir pengajuan kredit ke komputer dapat dilakukan dengan program jaringan syaraf tiruan yang menggunakan algoritma pembelajaran backpropagation. Kata kunci: neural network, backpropagation, skeletonisasi, pengolahan citra Abstract At the time of the credit application process, customers will fill out a form that was written by hand writing, then the customer service process manually input into the computer database. Systems and programs that can be made to recognize the handwritten characters into ASCII form by using artificial neural networks, so that customer service no longer have to manually input process. Image data that has been trained to do image processing using backpropagation learning algorithm. Weights that have been trained to serve as a reference weights that have been trained and will be used in handwritten character recognition. The results obtained after testing samples of handwriting 5 people, shows that the process of handwriting data input in the credit application form to a computer can be done with a program that uses neural network backpropagation learning algorithm. Keywords: neural network, backpropagation, skeletonisasi, image processing 1. Pendahuluan Kemajuan teknologi di bidang komputer saat ini sangat pesat terutama di bidang kecerdasan buatan (artificial inteligence), yang salah satu terapannya adalah sistem Jaringan syaraf tiruan. Dengan data citra digital, sistem jaringan syaraf tiruan dapat melakukan pengolahan citra sehingga dapat mengenal karakter tulisan tangan ke dalam bentuk digital standar ASCII (data komputer). Dalam sebuah perusahaan perbankan, masih ditemukan formulir yang akan diisi oleh nasabah maupun pihak bank secara manual. Formulir tersebut akan diisi data dengan cara menuliskan didalamnya, data tersebut menjadi input ke komputer. Banyak keunggulan jika data dapat diproses secara digital komputer, mudah untuk pencarian, pengolahan dan dokumentasi. Kondisi tersebut membutuhkan waktu yang lama dan tidak efisien, sehingga mengakibatkan antrian yang cukup panjang. Agar fokus ke permasalahan, maka dilakukan pembatasan masalah yaitu sebagai berikut: Pengenalan tulisan tangan hanya untuk karakter huruf capital jenis tulisan latin dan angka latin. Dan Perancangan aplikasi dengan sistem jaringan syaraf tiruan metode pembelajaran algoritma backpropagation.karakter tulisan tangan ditulis pada formulir pengajuan kredit dengan input citra digital hasil kamera scanner. Proses pengenalan karakter tulisan tangan hanya difokuskan pada formulir

2 60 pengajuan kredit dengan field Nama Lengkap dan No Handphone. Perancangan sistem jaringan syaraf tiruan menggunakan bahasa pemograman Matlab (Matrix Laboratory) dan Jumlah tulisan tangan yang digunakan dibatasi dengan jumlah 5 orang. 2. Metodologi Penelitian Metodologi penelitian dilakukan dengan mengumpulkan data terlebih dahulu. Proses pengumpulan data dilakukan dengan dua cara yaitu : studi kepustakaan dan studi lapangan. Studi kepustakaan dilakukan untuk memahami proses perancangan sistem seperti mengumpulkan teori-teori yang berhubungan dengan pada jaringan saraf tiruan, input citra kamera digital dan pengenalan karakter tulisan tangan latin. Studi lapangan dilakukan mencari bahan penelitian dengan menuju langsung ke lokasi penelitian untuk melakukan : sampel dan investigasi yaitu dengan meminta dan melihat dokumen yang digunakan dalam proses pengajuan kredit. wawancara yaitu mengajukan beberapa pertanyaan kepada pihak yang bersangkutan seputar objek penelitian dan observasi yaitu dengan melakukan pengamatan secara langsung terhadap kegiatan proses pengajuan kredit, seperti nasabah mengisi formulir yang ditulis dengan cara tulis tangan, kemudian costumer service melakukan proses input secara manual ke database dengan komputer. Metode perancangan yang dilakukan terdiri dari perancangan flow map, data flow diagram (DFD), perancangan database dan perancangan interface. Data Flow Diagram (DFD) sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik dimana data tersebut mengalir atau lingkungan fisik dimana data tersebut disimpan. Data Flow Diagram pada sistem yang berjalan dapat digambarkan seperti dibawah ini. Gambar 1 Flow Map Arus pengajuan kredit pada Bank Gambar 2 Diagram Konteks

3 61 Interface untuk pengenalan karakter tulisan tangan dibuat menyerupai formulir pengajuan kredit yaitu dengan kotak per kotak yang bertujuan untuk memudahkan cropping dan pengolahan citra. Seperti penulis jelaskan pada batasan masalah pada bab sebelumnya, program dirancang hanya untuk pengenalan field nama lengkap dan nomor handphone. Sistem yang diusulkan disediakan interface untuk image processing yang bertujuan untuk mengetahui setiap langkah-langkah untuk pengolahan citra hingga menghasilkan data input yang direpresentasikan menjadi bernilai angka. Interface program dapat dilihat pada gambar 7 dibawah ini. Gambar 3 interface program Gambar 4 Interface program saat proses Image Processing Gambar 5 program saat proses Convert Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan (Dompak Petrus Sinambela)

4 62 Jaringan saraf tiruan dibentuk dengan input 25 neuron, hidden layer 12 neuron dan output layer 7 neuron. Arsitektur jaringan saraf tiruan ini dapat dilihat pada gambar 6 dibawah ini. Gambar 6 Arsitektur Backpropagation Jaringan syaraf tiruan akan dilatih dengan menggunakan fungsi aktivasi sigmoid biner, learning rate=0.5, dan pelatihan akan dihentikan pada epoh Analisis dan Hasil 3.1. Analisis Jaringan syaraf tiruan didefenisikan sebagai susunan dari elemen-elemen penghitung yang disebut neuron atau titik (node) yang saling terhubung guna dimodelkan untuk meniru fungsi otak manusia. Sistem jaringan syaraf tiruan disirikan dengan adanya proses pembelajaran (learning) yang berfungsi untuk mengadaptasi parameter-parameter jaringannya.

5 63 Gambar 7. Jaringan syaraf manusia Salah satu bagian terpenting dari konsep jaringan syaraf adalah terjadinya proses pembelajaran. Tujuan utama dari proses pembelajaran adalah melakukan pengaturan terhadap bobot-bobot yang ada pada jaringan syaraf, sehingga diperoleh bobot akhir yang tepat sesuai dengan pola data yang dilatih. Selama proses pembelajaran akan terjadi perbaikan bobot-bobot berdasarkan algoritma tertentu. Nilai bobot akan bertambah, jika informasi yang diberikan oleh neuron yang bersangkutan tersampaikan, sebaliknya jika informasi tidak disampaikan oleh suatu neuron ke neuron yang lain, maka nilai bobot yang menghubungkan keduanya akan dikurangi. Pada saat pembelajaran dilakukan pada input yang berbeda, maka nilai bobot akan diubah secara dinamis hingga mencapai mengindikasikan bahwa tiap-tiap input telah berhubungan dengan output yang diharapkan. Cara berlangsungnya pembelajaran atau pelatihan Jaringan syaraf tiruan dikelompokkan menjadi 3 yaitu: a. Pembelajaran terawasi (Supervised Learning) Pada metode ini, setiap pola yang diberikan kedalam jaringan syaraf tiruan telah diketahui outputnya. Selisih antara pola output aktual (output yang dihasilkan) dengan pola output yang dikehendaki (output target) yang disebut error digunakan untuk mengoreksi bobot jaringan syaraf tiruan hingga mampu menghasilkan output sedekat mungkin dengan target yang telah diketahui oleh jaringan syaraf tiruan. Apabila nilai error ini masih cukup besar, mengindikasikan bahwa masih perlu dilakukan lebih banyak pembelajaran lagi. Contoh pembelajaran terawasi adalah: Hebbian, Perceptron, ADALINE, Boltzman, Hopfield, dan Backpropagation. Untuk itu, pada tulisan ini pengenalan karakter tulisan tangan akan menggunakan algoritma pembelajaran Backpropagation. b. Pembelajaran tak terawasi (Unsupervised Learning) Pada metode ini, tidak memerlukan target output. Pada metode ini tidak dapat ditentukan hasil seperti apakah yang diharapkan selama proses pembelajaran. Selama proses pembelajaran, nilai bobot disusun dalam suatu range tertentu tergantung pada nilai input yang diberikan. Tujuan pembelajaran ini adalah mengelompokkan unit-unit ynag hampir sama dalam suatu area tertentu. Pembelajaran ini biasanya cocok untuk pengelompokan (kelasifikasi) pola. Contoh algoritma ini adalah: Competitive, Hebbian, Kohonen, LVQ (Learning Vector Quantization), Neocognitron. c. Pembelajaran Hibrida (Hybrid Learning) Merupakan kombinasi dari metode pembelajaran supervised learning dan unsupervised learning. Sebagian dari bobot-bobotnya ditentukan melalui pembelajaran terawasi dan sebagian lainnya melalui pembelajaran tak terawasi. Contoh algoritma jaringan syaraf tiruan yang menggunkan metode ini adalah algoritma Radial Basis Function (RBF). Didalam jaringan backpropagation, setiap unit yang berada di lapisan input terhubung dengan setiap unit yang ada di lapisan tersembunyi terhubung dengan setiap unit yang ada di lapisan output. Jaringan ini terdiri dari banyak lapisan (multilayer network). Ketika jaringan diberikan pola masukan sebagai pola pelatihan, maka pola tersebut menuju unit-unit lapisan tersembunyi untuk selanjutnya keluaran akan memberikan respon sebagai keluaran jaringan syaraf tiruan. Saat hasil keluaran tidak sesuai dengan yang diharapkan, maka keluaran akan disebarkan mundur (backward) pada lapisan tersembunyi kemudian dari lapisan tersembunyi menuju lapisan masukan. Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan (Dompak Petrus Sinambela)

6 64 Setiap unit di dalam layer input pada jaringan Backpropagation selalu terhubung dengan setiap unit yang berada pada layer tersembunyi, demikian juga setiap unit pada layer tersembunyi selalu dari banyak lapisan (multilayer network), yaitu: 1. Lapisan input (1 buah), yang terdiri dari 1 hingga n unit input. 2. Lapisan tersembunyi (minimal 1 buah), yang terdiri dari 1 hingga p unit tersembunyi. 3. Lapisan output (1 buah), yang terdiri dari 1 hingga m unit output. Gambar 8 Arsitektur Jaringan Backpropagation Aturan pelatihan jaringan backpropagation terdiri dari 2 tahapan, feedforward dan backward propagation. Pada jaringan diberikan sekumpulan contoh pelatihan yang disebut set pelatihan. Set pelatihan ini digambarkan dengan sebuah vector feature yang disebut dengan vector input yang diasosiasikan dengan sebuah output yang menjadi target pelatihannya. Untuk pelatihan jaringan backpropagation ini, dapat dilakukan dengan algoritma sebagai berikut: Inisialisasi bobot (ambil bobot awal dengan nilai random yang cukup kecil) Tetapkan: maksimum Epoh, Target Error, dan Learning Rate (α). Inisialisasikan: Epoh = 0. Kerjakan langkah-langkah berikut selama (Epoh < maksimum Epoh) dan (MSE < Target Error): 1. Epoh = Epoh Untuk tiap-tiap pasangan elemen yang akan dilakukan pembelajaran, kerjakan: Feedforward: a. Tiap-tiap unit input (Xi, i=1, 2, 3., n) menerima sinyal xi dan meneruskan sinyal tersebut ke semua unit pada lapisan yang ada di atasnya (lapisan tersembunyi). b. Tiap-tiap unit pada suatu lapisan tersembunyi (Zi, j=1, 2, 3,.p) menjumlahkan sinyalsinyal input terbobot: n z_in j = b1 j + i=1 x i v ij (1) Gunakan fungsi aktivasi untuk menghitung sinyal outputnya: z j = f (z_in j ) = 1 (2) 1+e z_in j Dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya (unit-unit output). c. Tiap-tiap unit output (Yk, k=1, 2, 3,..m) menjumlahkan sinyal-sinyal input terbobot. p z in k = b2 k + i=1 z i w jk (3) Gunakan fungsi aktivasi untuk menghitung sinyal outputnya: y k = f (y in k ) = 1 1+e y (4) in k Dan kirimkan sinyal tersebut ke semua unit di lapisan atasnya (unit-unit output). Catatan: Langkah (b) dilakukan sebanyak jumlah lapisan tersembunyi. Backward propagation d. Tiap-tiap unit output (Yk, k=1,2,3,..,m) menerima target pola yang berhubungan dengan pola input pembelajaran, hitung informasi errornya: δ2 k = t k y k f (y_in k ) (5) φ2 jk = δ k z j (6) β2 k = δ k (7)

7 65 kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk memperbaiki nilai wjk): w jk = α φ jk (8) Hitung juga koreksi bias (yang nantinya akan digunakan untuk memperbaiki nilai b2k): b2 k = α β k (9) Langkah (d) ini juga dilakukan sebanyak jumlah lapisan tersembunyi, yaitu menghitung informasi error dari suatu lapisan tersembunyi ke lapisan tersembunyi sebelumnya. e. Tiap-tiap unit tersembunyi (Zj, j=1,2,3,.,p) menjumlahkan delta inputnya (dari unit-unit yang berada pada lapisan di atasnya): δ_in j = m k=1 δ i w jk (10) kalikan nilai ini dengan turunan dari fungsi aktivasinya untuk menghitung informasi error: δ1 j = δ_in j f (z_in j ) (11) φ1 ij = δ j x j (12) β1 j = δ1 j (13) kemudian hitung koreksi bobot (yang nantinya akan digunakan untuk memperbaiki nilai vij ): v ij = α φ 1 ij (14) Hitung juga koreksi biasa (yang nantinya akan digunakan untuk memperbaiki nilai b1j ): b1 j = α φ 1 j (15) f. Tiap-tiap unit output (Yk, k=1,2,3,.,m) memperbaiki bias dan bobotnya (j = 0,1,2,.,p): w jk baru = w jk lama + w jk (16) b2 k baru = b2 k lama + b2 k (17) Tiap-tiap unit tersembunyi (Zj, j=1,2,3,..,p) memperbaiki bias dan bobotnya (i=0,1,2,.,n ): v ij baru = v ij lama + v ij (18) b1 j baru = b1 j + b1 j (19) 3. Hitung (MSE) Mean Square Error Setelah dilakukan algoritma tersebut pada jaringan, maka akan didapatkan jaringan yang sudah ditraining. Sehingga untuk melakukan identifikasi, dapat dilakukan dengan langsung memberikan input dan jaringan akan mengklasifikasikannya sesuai dengan bobotbobot yang diperoleh dari proses training sebelumnya. Dimana besar mean square error ditunjukkan persamaan berikut. E = 1 m t 2 j=1 j k y j k 2 (20) m j=1 e 2 j k (21) = 1 2 Untuk mendapatkan data matrik yang akan dijadikan data untuk pelatihan jaringan syaraf tiruan, maupun untuk pengenalan karakter. Dilakukan beberapa pengolahan citra yang bertujuan untuk mendapatkan data yang lebih akurat sesuai dengan flow chart gambar IV-1 dibawah ini. Formulir di scanning 1 Data scanning disimpan dalam format *.jpg 2 Image load 3 Image cropping kotak per kotak 4 Image resize ke ukuran 35 x 35 piksel 5 Merubah warna image dari RGB ke GRAY 6 Merubah warna background menjadi hitam dan warna foreground menjadi putih 7 Skeletonisasi 8 Data Matrik 9 Gambar 9 Flow Chart Pengolahan Citra Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan (Dompak Petrus Sinambela)

8 Hasil Pengenalan karakter tulisan tangan akan dilakukan testing terhadap 5 orang dengan kriteria karakter A~Z dan 0~9 (sampling 5 orang), selanjutnya masing-masing menuliskan nama dan no handphone untuk dilakukan pengenalan. Hasil pengenalan karakter tulisan tangan dapat dilihat di bawah ini. 1. Hasil test untuk orang ke-1 2. Hasil test untuk orang ke-2 3. Hasil test untuk orang ke-3 4. Hasil test untuk orang ke-4

9 67 5. Hasil test untuk orang ke-5 Dari hasil testing diatas, maka didapatkan hasil persentase keakurasian seperti pada tabel berikut. Tabel 1 Hasil test untuk karakter A~Z dan 0~9 Sample Benar Salah % Akurasi Orang ke Orang ke Orang ke Orang ke Orang ke Total Tabel 2 Hasil test untuk field nama lengkap dan no Sample Benar Salah % Akurasi Orang ke Orang ke Orang ke Orang ke Orang ke Total Kesimpulan dan Saran Adapun kesimpulan dari hasil penelitian ini adalah sebagai berikut: hasil pengujian pengenalan karakter tulisan tangan untuk 5 orang, tingkat keakurasian program yaitu sebesar 87.2%. Penentuan nilai learning rate sangat mempengaruhi pergesaran nilai pada bobot-bobot saat proses pelatihan jaringan syaraf tiruan, dimana data bobot v dan bias ke hidden layer yang baru, mengalami pergeseran yang sangat kecil. Sedangkan data bobot w dan bias ke output layer yang baru, mengalami pergesaran nilai yang cukup besar. Nilai input dan jumlah epoh pada saat proses pelatihan jaringan syaraf tiruan mempengaruhi pendekatan nilai ke target output jaringan saraf tiruan dengan menggunakan algoritma backpropagation untuk dapat mengenali tulisan tangan yang ditulis di formulir pengajuan kredit. Adapun saran dari hasil penelitian adalah sebagai berikut : sistem yang dibuat dapat diimplementasikan dengan menambah jumlah karakter tulisan tangan dan jumlah epoh untuk proses pelatihan jaringan syaraf tiruan minimal 100 orang. Hal ini bertujuan untuk memperbaiki bobot-bobot pada jaringan syaraf tiruan. Untuk meningkatkan keakurasian sistem yang dibuat, maka penulis akan terus melakukan riset dan perbaikan. Daftar Pustaka Buku Teks : [1] Hermawan arif. Jaringan Saraf Tiruan dan Aplikasi, Yogyakarta : Andi Offset [2] Siang JJ. Jaringan Saraf Tiruan dan Pemrogramannya menggunakan MathLab. Yogyakarta : Andi Offset [3] Puspitaningrum, Diyah. Pengantar Jaringan Saraf Tiruan. Yogyakarta : Andi Offset [4] Ahmad, Usman, Pengolahan Citra Digital & Teknik Pemrogramannya, Cetakan Pertama, Graha Ilmu, Yogyakarta, Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan (Dompak Petrus Sinambela)

10 68 [5] Basuki, Achmad, Jozua F. Palandi, Fatcurrochman, Pengolahan Citra Digital Menggunakan Visual Basic, Cetakan Pertama, Graha Ilmu, Yogyakarta, [6] Dunteman, G. H., Principal Components Analysis, Sage Publications, [7] Gomes, J. dan Velho, L., Image Processing For Computer Graphics, Translated by Silvio Levy, Springer, Rio de Janeiro, [8] Gonzales, R. C., Digital Image Processing, Addison Wesley Publishing Company., 1992 [9] Hadi R, Pemrograman Windows API dengan Microsoft Visual Basic, PT. Elex Media Komputindo, Jakarta, 2001 [10] Halvorson M, Microsoft Visual Basic 6.0 Professional Step by Step, PT. Elex Media Komputindo, Jakarta, 2000 [11] Munir, Rinaldi, Pengolahan Citra Digital Dengan Pendekatan Algoritmik, Penerbit Informatika, 1992

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

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

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 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

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

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

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

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

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

Sistem Informasi Pemasaran Produk pada PT. Prima Dina Lestari

Sistem Informasi Pemasaran Produk pada PT. Prima Dina Lestari Sistem Informasi Pemasaran Produk pada PT. Prima Dina Lestari Meriana STMIK IBBI Jl. Sei Deli No. 18 Medan, telp. 061-4567111, fax. 061-4527548 email : meriana@yahoo.com Abstrak PT. Pima Dina Lestari adalah

Lebih terperinci

Analisa Dan Perancangan Sistem Informasi Pemasaran Perumahan pada PT. Anugerah Bangun Cipta

Analisa Dan Perancangan Sistem Informasi Pemasaran Perumahan pada PT. Anugerah Bangun Cipta Analisa Dan Perancangan Sistem Informasi Pemasaran Perumahan pada PT. Anugerah Bangun Cipta Anton 1, Hendra 2 STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 Email : Anton_hwang@yahoo.com

Lebih terperinci

ABSTRAK. v Universitas Kristen Maranatha

ABSTRAK. v Universitas Kristen Maranatha ABSTRAK Sekarang ini banyak dilakukan pembangunan oleh banyak pihak seperti pembangunan tempat tinggal atau kantor. Proses pembangunan pada lokasi daerah memerlukan denah lokasi daerah yang akurat dan

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

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

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

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

SOFTWARE MONITORING BUKA TUTUP PINTU AIR OTOMATIS BERBASIS BORLAND DELPHI 7.0 TUGAS AKHIR

SOFTWARE MONITORING BUKA TUTUP PINTU AIR OTOMATIS BERBASIS BORLAND DELPHI 7.0 TUGAS AKHIR SOFTWARE MONITORING BUKA TUTUP PINTU AIR OTOMATIS BERBASIS BORLAND DELPHI 7.0 TUGAS AKHIR Untuk memenuhi persyaratan mencapai pendidikan Diploma III (D III) Program Studi Instrumentasi dan Elektronika

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

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

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 INFORMASI PENJUALAN DAN PERBAIKAN KOMPUTER (Studi Kasus: CV Computer Plus Palembang)

SISTEM INFORMASI PENJUALAN DAN PERBAIKAN KOMPUTER (Studi Kasus: CV Computer Plus Palembang) SISTEM INFORMASI PENJUALAN DAN PERBAIKAN KOMPUTER (Studi Kasus: CV Computer Plus Palembang) Oleh: Syaprina, Leon Andretti Abdillah, & Nyimas Sopiah Mahasiswa & Dosen Universitas Bina Darma, Palembang Abstracts:

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

Perangkat Lunak Simulasi Langkah Kuda Dalam Permainan Catur

Perangkat Lunak Simulasi Langkah Kuda Dalam Permainan Catur Perangkat Lunak Simulasi Langkah Kuda Dalam Permainan Catur Hartono 1) Liva Junter 2) STMIK IBBI Medan Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 Email: hartonoibbi@gmail.com 1 Abstrak

Lebih terperinci

APLIKASI PENGHITUNG JUMLAH PENGUNJUNG OBYEK WISATA DENGAN WEBCAM

APLIKASI PENGHITUNG JUMLAH PENGUNJUNG OBYEK WISATA DENGAN WEBCAM APLIKASI PENGHITUNG JUMLAH PENGUNJUNG OBYEK WISATA DENGAN WEBCAM Oleh : Idhawati Hestiningsih, Tri Raharjo Yudantoro Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Semarang Jl. Prof. Sudarto, S.H.,

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

Rudi Hartoyo (0911870)

Rudi Hartoyo (0911870) PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN MENETUKAN STATUS KARYAWAN KONTRAK SALES PROMOTION GIRL MENJADI KARYAWAN TETAP DENGAN METODE SIMPLE ADDITIVE WEIGHTING Rudi Hartoyo (0911870) Mahasiswa Program Studi

Lebih terperinci

LAPORAN TUGAS AKHIR SISTEM INFORMASI SIMPAN PINJAM PADA KOPERASI SURYA MITRA MANDIRI SEMARANG

LAPORAN TUGAS AKHIR SISTEM INFORMASI SIMPAN PINJAM PADA KOPERASI SURYA MITRA MANDIRI SEMARANG LAPORAN TUGAS AKHIR SISTEM INFORMASI SIMPAN PINJAM PADA KOPERASI SURYA MITRA MANDIRI SEMARANG Adelia Cipta Sari Program Studi Sistem Informasi, Fakultas Ilmu Komputer Universitas Dian Nuswantoro Jl. Nakula

Lebih terperinci

APLIKASI SISTEM PENGELOLAAN ATK (ALAT TULIS KANTOR) AKADEMI ANGKATAN UDARA YOGYAKARTA

APLIKASI SISTEM PENGELOLAAN ATK (ALAT TULIS KANTOR) AKADEMI ANGKATAN UDARA YOGYAKARTA APLIKASI SISTEM PENGELOLAAN ATK (ALAT TULIS KANTOR) AKADEMI ANGKATAN UDARA YOGYAKARTA Deny Wiria Nugraha 1, Imat Rahmat Hidayat 2 1 Jurusan Teknik Elektro Universitas Tadulako Palu Sulawesi Tengah 2 Jurusan

Lebih terperinci

SISTEM INFORMASI AKUNTANSI SIMPAN PINJAM KOPERASI BANK SUMSEL BABEL

SISTEM INFORMASI AKUNTANSI SIMPAN PINJAM KOPERASI BANK SUMSEL BABEL SISTEM INFORMASI AKUNTANSI SIMPAN PINJAM KOPERASI BANK SUMSEL BABEL Juwita Eka Putri Salimin Bahar Jurusan Sistem Informasi STMIK PalComTech Palembang Abstrak Koperasi Cermat Bank Sumsel adalah salah satu

Lebih terperinci

SISTEM INFORMASI MANAJEMEN KOPERASI SIMPAN PINJAM KARYAWAN PT.PERTAMINA (PERSERO) UNIT PEMASARAN I MEDAN TUGAS AKHIR

SISTEM INFORMASI MANAJEMEN KOPERASI SIMPAN PINJAM KARYAWAN PT.PERTAMINA (PERSERO) UNIT PEMASARAN I MEDAN TUGAS AKHIR SISTEM INFORMASI MANAJEMEN KOPERASI SIMPAN PINJAM KARYAWAN PT.PERTAMINA (PERSERO) UNIT PEMASARAN I MEDAN TUGAS AKHIR KARTIKA DEWI BUTAR- BUTAR 082406165 PROGRAM STUDI DIPLOMA III TEKNIK INFORMATIKA DEPARTEMEN

Lebih terperinci

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT ANGINA PEKTORIS (ANGIN DUDUK) DENGAN MENGGUNAKAN METODE BAYES Ayu Permata Lestari (0911267) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl.

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

Perancangan Sistem Informasi Persediaan Bahan Baku Pada PT. Anugrah Lestari Medan

Perancangan Sistem Informasi Persediaan Bahan Baku Pada PT. Anugrah Lestari Medan Perancangan Sistem Informasi Persediaan Bahan Baku Pada PT. Anugrah Lestari Medan Marwa Halim 1), Chalvin Eko 2) STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 e-mail : marwa127@yahoo.com

Lebih terperinci

Perancangan Perangkat Lunak Penerimaan Order Jasa Laundry Berbasis Web

Perancangan Perangkat Lunak Penerimaan Order Jasa Laundry Berbasis Web Perancangan Perangkat Lunak Penerimaan Order Jasa Laundry Berbasis Web Anderson King Junior1), Robby Tjendra2) STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 e-mail: andersonkingjr@yahoo.com1)

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

APLIKASI INFORMASI DENAH UNTUK KAMPUS UNIT 2 BABARSARI UPN VETERAN YOGYAKARTA

APLIKASI INFORMASI DENAH UNTUK KAMPUS UNIT 2 BABARSARI UPN VETERAN YOGYAKARTA APLIKASI INFORMASI DENAH UNTUK KAMPUS UNIT 2 BABARSARI UPN VETERAN YOGYAKARTA JURNAL Disusun oleh : Anisa Titisari 123050211 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS PEMBANGUNAN

Lebih terperinci

RANCANG BANGUN PENGUKURAN KANDUNGAN AIR PADA KAYU BERBASIS MIKROKONTROLER AT89S51 TUGAS AKHIR

RANCANG BANGUN PENGUKURAN KANDUNGAN AIR PADA KAYU BERBASIS MIKROKONTROLER AT89S51 TUGAS AKHIR RANCANG BANGUN PENGUKURAN KANDUNGAN AIR PADA KAYU BERBASIS MIKROKONTROLER AT89S51 TUGAS AKHIR Untuk Memenuhi Persyaratan Mencapai Pendidikan Diploma III (D3) Disusun Oleh : Clarissa Chita Amalia J0D007024

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

Aplikasi Pendataan Kendaraan Hilang Berbasis Web (Studi Kasus : Polres Cimahi)

Aplikasi Pendataan Kendaraan Hilang Berbasis Web (Studi Kasus : Polres Cimahi) Aplikasi Pendataan Kendaraan Hilang Berbasis Web (Studi Kasus : Polres Cimahi) 1 Citra Andari, 2 Dedy Rahman Wijaya, 3 Reza Budiawan Program Studi D3 Manajemen Informatika, Fakultas Ilmu Terapan, Universitas

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

Sistem Pendukung Keputusan Jadwal Progam Latihan Fitnes dengan Metode Dempster-Shafer. Abstrak

Sistem Pendukung Keputusan Jadwal Progam Latihan Fitnes dengan Metode Dempster-Shafer. Abstrak Sistem Pendukung Keputusan Jadwal Progam Latihan Fitnes dengan Metode Dempster-Shafer Widodo Bowo Laksono (A11.2009.04904) Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN BAYI SEHAT DI RSI KALIMASADA BANTUL. Naskah Publikasi. diajukan oleh Tri Wahyu Ari Wijaya 07.11.

SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN BAYI SEHAT DI RSI KALIMASADA BANTUL. Naskah Publikasi. diajukan oleh Tri Wahyu Ari Wijaya 07.11. SISTEM PENDUKUNG KEPUTUSAN UNTUK PEMILIHAN BAYI SEHAT DI RSI KALIMASADA BANTUL Naskah Publikasi diajukan oleh Tri Wahyu Ari Wijaya 07.11.1593 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM

Lebih terperinci

PELAPORAN KEUANGAN PADA YAYASAN KAMPOENG TAUHID SRIWIJAYA PALEMBANG

PELAPORAN KEUANGAN PADA YAYASAN KAMPOENG TAUHID SRIWIJAYA PALEMBANG PELAPORAN KEUANGAN PADA YAYASAN KAMPOENG TAUHID SRIWIJAYA PALEMBANG Fitria Sari Edi Febriansyah Jurusan Sistem Informasi STMIK PalComTech Palembang Abstrak Yayasan Kampoeng Tauhiid Sriwijaya Palembang

Lebih terperinci

LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN KARYAWAN TETAP DENGAN METODE FUZZY SAW DI CV. MAULAYA TEHNIK UNIVERSITAS MURIA KUDUS

LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN KARYAWAN TETAP DENGAN METODE FUZZY SAW DI CV. MAULAYA TEHNIK UNIVERSITAS MURIA KUDUS LAPORAN SKRIPSI SISTEM PENDUKUNG KEPUTUSAN PENGANGKATAN KARYAWAN TETAP DENGAN METODE FUZZY SAW DI CV. MAULAYA TEHNIK UNIVERSITAS MURIA KUDUS Oleh : Hadiyanto 2010-51-190 SKRIPSI DIAJUKAN SEBAGAI SALAH

Lebih terperinci

SISTEM ADMINISTRASI KOPERASI SIMPAN PINJAM KOPKAR SEJAHTERA UPY MENGGUNAKAN MULTI INTERFACE. Oleh: MUHAMMAD NASHIR 1 AHMAD RIYADI 2 ABSTRAK

SISTEM ADMINISTRASI KOPERASI SIMPAN PINJAM KOPKAR SEJAHTERA UPY MENGGUNAKAN MULTI INTERFACE. Oleh: MUHAMMAD NASHIR 1 AHMAD RIYADI 2 ABSTRAK SISTEM ADMINISTRASI KOPERASI SIMPAN PINJAM KOPKAR SEJAHTERA UPY MENGGUNAKAN MULTI INTERFACE Oleh: MUHAMMAD NASHIR 1 AHMAD RIYADI 2 1 Mahasiswa S1-Program Studi Teknik Informatika, Universitas PGRI Yogyakarta

Lebih terperinci

RANCANG BANGUN SISTEM MONITORING PERKULIAHAN BERBASIS WEB DI FAKULTAS ILMU KOMPUTER UNIVERSITAS SRIWIJAYA

RANCANG BANGUN SISTEM MONITORING PERKULIAHAN BERBASIS WEB DI FAKULTAS ILMU KOMPUTER UNIVERSITAS SRIWIJAYA RANCANG BANGUN SISTEM MONITORING PERKULIAHAN BERBASIS WEB DI FAKULTAS ILMU KOMPUTER UNIVERSITAS SRIWIJAYA Firdaus, Mgs. Afriyan Firdaus Jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Sriwijaya

Lebih terperinci

Bab I Pendahuluan I 1 BAB I PENDAHULUAN

Bab I Pendahuluan I 1 BAB I PENDAHULUAN Bab I Pendahuluan I 1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG Kantor Pelayanan Pajak (KPP) Tasikmalaya merupakan salah satu dari KPP yang ada di Indonesia yang bertugas mengelola administrasi pajak. Salah

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

4.7.5 Rancangan form konsultasi... 61

4.7.5 Rancangan form konsultasi... 61 DAFTAR ISI HALAMAN JUDUL... HALAMAN PENGESAHAN... HALAMAN PERNYATAAN... PRAKATA... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... INTISARI... ABSTRACT... i ii iii iv v viii x xi xii BAB I PENDAHULUAN...

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP)

SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP) SISTEM PENDUKUNG KEPUTUSAN PENYELEKSIAN CALON SISWA BARU DI SMA NEGERI 1 BADAR DENGAN METODE MULTIFACTOR EVALUATION PROCESS (MFEP) Ahmad Khaidir (0911023) Mahasiswa Program Studi Teknik Informatika, STMIK

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

SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP

SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP SISTEM INFORMASI SIMULASI PEMILIHAN MATA KULIAH PEMINATAN MAHASISWA : STUDI KASUS PROGRAM STUDI SISTEM INFORMASI STMIK GI MDP Aighner Ahsarif Ario (aighner@gmail.com), Novita (novieliem@ymail.com) Mardiani

Lebih terperinci

ABSTRAK. Pengaruh Tindak Lanjut Rekomendasi Audit Internal Bidang Kredit Investasi. Terhadap Tingkat Non Performing Loans (NPL)

ABSTRAK. Pengaruh Tindak Lanjut Rekomendasi Audit Internal Bidang Kredit Investasi. Terhadap Tingkat Non Performing Loans (NPL) ABSTRAK Pengaruh Tindak Lanjut Rekomendasi Audit Internal Bidang Kredit Investasi Terhadap Tingkat Non Performing Loans (NPL) Permasalahan kredit bermasalah merupakan masalah serius yang masih menghantui

Lebih terperinci

SISTEM INFORMASI TRANSAKSI JUAL BELI VALUTA ASING PADA PT. DOLLAR CENTER AMC YOGYAKARTA NASKAH PUBLIKASI. disusun oleh Yupa Eka Budaya 10.12.

SISTEM INFORMASI TRANSAKSI JUAL BELI VALUTA ASING PADA PT. DOLLAR CENTER AMC YOGYAKARTA NASKAH PUBLIKASI. disusun oleh Yupa Eka Budaya 10.12. SISTEM INFORMASI TRANSAKSI JUAL BELI VALUTA ASING PADA PT. DOLLAR CENTER AMC YOGYAKARTA NASKAH PUBLIKASI disusun oleh Yupa Eka Budaya 10.12.4499 JURUSAN SISTEM INFORMASI SEKOLAH TINGGI MANAJEMEN INFORMATIKA

Lebih terperinci

PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION

PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan

Lebih terperinci

BAB II CITRA DIGITAL

BAB II CITRA DIGITAL BAB II CITRA DIGITAL DEFINISI CITRA Citra adalah suatu representasi(gambaran),kemiripan,atau imitasi dari suatu objek. DEFINISI CITRA ANALOG Citra analog adalahcitra yang bersifat kontinu,seperti gambar

Lebih terperinci

BAB 1 PENDAHULUAN. di bidang bisnis yang terjadi pada jaman sekarang. Pengertian e-commerce

BAB 1 PENDAHULUAN. di bidang bisnis yang terjadi pada jaman sekarang. Pengertian e-commerce BAB 1 PENDAHULUAN 1.1 Latar Belakang E-commerce merupakan salah satu contoh pemakaian teknologi informasi di bidang bisnis yang terjadi pada jaman sekarang. Pengertian e-commerce sendiri adalah sebuah

Lebih terperinci

BAB II LANDASAN TEORI. saat ini sedang mengalami kemajuan yang pesat. Sehingga video game kini tidak

BAB II LANDASAN TEORI. saat ini sedang mengalami kemajuan yang pesat. Sehingga video game kini tidak BAB II LANDASAN TEORI 2.1 Game Game mempunyai arti permainan dalam bahasa Indonesia. Permainan merupakan sebuah aktivitas rekreasi dengan tujuan bersenang-senang, mengisi waktu luang, atau berolahraga

Lebih terperinci

SISTEM INFORMASI SIMPAN PINJAM DAN PERKREDITAN KOPERASI STUDI KASUS SMK NEGERI 1 SURABAYA MENGGUNAKAN JSP ABSTRAK ABSTRACT

SISTEM INFORMASI SIMPAN PINJAM DAN PERKREDITAN KOPERASI STUDI KASUS SMK NEGERI 1 SURABAYA MENGGUNAKAN JSP ABSTRAK ABSTRACT SISTEM INFORMASI SIMPAN PINJAM DAN PERKREDITAN KOPERASI STUDI KASUS SMK NEGERI 1 SURABAYA MENGGUNAKAN JSP Widiana, Edi Satriyanto, Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri

Lebih terperinci

Cara Mudah Untuk Mengecilkan Ukuran File Gambar Oleh. M. Irwan P. Nasution *)

Cara Mudah Untuk Mengecilkan Ukuran File Gambar Oleh. M. Irwan P. Nasution *) Cara Mudah Untuk Mengecilkan Ukuran File Gambar Oleh. M. Irwan P. Nasution *) Abstrak Sebuah gambar bermakna lebih dari seribu kata ( a picture is more than a thousand words ), begitulah ungkapan yang

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

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

SISTEM INFORMASI GEOGRAFIS PENYEBARAN PENDUDUK BERDASARKAN TINGKAT USIA DI KABUPATEN SUKOHARJO BERBASIS WEB DISUSUN OLEH : AHMAD SIDIQ (K3513007)

SISTEM INFORMASI GEOGRAFIS PENYEBARAN PENDUDUK BERDASARKAN TINGKAT USIA DI KABUPATEN SUKOHARJO BERBASIS WEB DISUSUN OLEH : AHMAD SIDIQ (K3513007) SISTEM INFORMASI GEOGRAFIS PENYEBARAN PENDUDUK BERDASARKAN TINGKAT USIA DI KABUPATEN SUKOHARJO BERBASIS WEB DISUSUN OLEH : AHMAD SIDIQ (K3513007) Pendidikan Teknik Informatika dan Komputer Fakultas Keguruan

Lebih terperinci

SISTEM INFORMASI PENERIMAAN MAHASISWA BARU UNIVERSITAS SAHID SURAKARTA

SISTEM INFORMASI PENERIMAAN MAHASISWA BARU UNIVERSITAS SAHID SURAKARTA SISTEM INFORMASI PENERIMAAN MAHASISWA BARU UNIVERSITAS SAHID SURAKARTA Yocelin Anggriany (2007061022) k.celline@yahoo.co.id Dahlan Susilo (Pembimbing I) Suryono (Pembimbing II) Program Studi Teknik Informatika

Lebih terperinci

Perancangan Sistem Pakar Diagnosa Penyakit Mata Katarak pada Manusia Berbasis Web

Perancangan Sistem Pakar Diagnosa Penyakit Mata Katarak pada Manusia Berbasis Web Perancangan Sistem Pakar Diagnosa Penyakit Mata Katarak pada Manusia Berbasis Web Yudi1, Yessi Nofrima2 STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 e-mail: ynn_linc@yahoo.com1

Lebih terperinci

Pengembangan Sistem Kehadiran Dosen STIKOM Bali

Pengembangan Sistem Kehadiran Dosen STIKOM Bali JUSI Vol. 1, No. 2 ISSN 2087-8737 September 2011 Pengembangan Sistem Kehadiran STIKOM Bali I Gusti Rai Agung Sugiarta 1, Ni Nyoman Harini Puspita 1 1 Program Studi Sistem Informasi, (STMIK) STIKOM Bali

Lebih terperinci

Kata Kunci : AHP (Analytical Hierarchy Process), SPK, seleksi, bobot, calon karyawan.

Kata Kunci : AHP (Analytical Hierarchy Process), SPK, seleksi, bobot, calon karyawan. SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN KARYAWAN BARU MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROSCESS (STUDI KASUS: PT. INFOMEDIA SOLUSI HUMANIKA (INSANI) KALIMANTAN BARAT) Randi Ariefianto 1, M

Lebih terperinci

SISTEM PENGAMANAN PESAN SMS MENGGUNAKAN INTERNASIONAL DATA ENCRYPTION ALGORITHM

SISTEM PENGAMANAN PESAN SMS MENGGUNAKAN INTERNASIONAL DATA ENCRYPTION ALGORITHM SISTEM PENGAMANAN PESAN SMS MENGGUNAKAN INTERNASIONAL DATA ENCRYPTION ALGORITHM (0911073) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No.338 Simpang Limun Medan

Lebih terperinci

Perangkat Lunak Pemahaman The Lift-To-Front Algorithm untuk Menyelesaikan Problema Maximum Flow

Perangkat Lunak Pemahaman The Lift-To-Front Algorithm untuk Menyelesaikan Problema Maximum Flow Perangkat Lunak Pemahaman The Lift-To-Front Algorithm untuk Menyelesaikan Problema Maximum Flow Marto Sihombing, Hansen Tanjaya STMIK IBBI Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548

Lebih terperinci

Sistem Pendukung Keputusan Penerimaan Pegawai Baru Pada Pt. Kanasritex Semarang

Sistem Pendukung Keputusan Penerimaan Pegawai Baru Pada Pt. Kanasritex Semarang Sistem Pendukung Keputusan Penerimaan Pegawai Baru Pada Pt. Kanasritex Semarang Agustinus Tjahyono Widigdyo Anggara M. Abstract : Employee recruitment is a process of a company to obtain prospective employees

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

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

BAB 1 PENDAHULUAN. E-commerce atau bisa disebut Perdagangan elektronik atau e-dagang

BAB 1 PENDAHULUAN. E-commerce atau bisa disebut Perdagangan elektronik atau e-dagang BAB 1 PENDAHULUAN 1.1 Latar Belakang E-commerce atau bisa disebut Perdagangan elektronik atau e-dagang adalah penyebaran, pembelian, penjualan, pemasaran barang dan jasa melalui internet atau jaringan

Lebih terperinci

PERANCANGAN SISTEM PEMBAYARAN ALAT TRANSPORTASI SUBWAY DENGAN MENGGUNAKAN MAGNETIC CARD

PERANCANGAN SISTEM PEMBAYARAN ALAT TRANSPORTASI SUBWAY DENGAN MENGGUNAKAN MAGNETIC CARD PERANCANGAN SISTEM PEMBAYARAN ALAT TRANSPORTASI SUBWAY DENGAN MENGGUNAKAN MAGNETIC CARD Kiki Chentiano / 0122076 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164,

Lebih terperinci

DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN PEMBIMBING HALAMAN PENGESAHAN PENGUJI SURAT PERNYATAAN KARYA ASLI SKRIPSI

DAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN PEMBIMBING HALAMAN PENGESAHAN PENGUJI SURAT PERNYATAAN KARYA ASLI SKRIPSI ABSTRACT National Program for Community Empowerment in Rural Areas (PNPM MP) is one of the mechanisms used community development program PNPM in an effort to accelerate poverty reduction and expansion

Lebih terperinci

MEDIA PROMOSI DAN PENGARSIPAN DATA PEMBANGUNAN PROYEK PT. TANJUNG TIGA

MEDIA PROMOSI DAN PENGARSIPAN DATA PEMBANGUNAN PROYEK PT. TANJUNG TIGA MEDIA PROMOSI DAN PENGARSIPAN DATA PEMBANGUNAN PROYEK PT. TANJUNG TIGA Ade Novendra M Rizal Nurul Hidayat Nopri Prawira Kusuma Jurusan Sistem Informasi STMIK PalComTech Palembang Abstrak Media promosi

Lebih terperinci

ANALISIS KEBUTUHAN SISTEM Hanif Al Fatta M.Kom

ANALISIS KEBUTUHAN SISTEM Hanif Al Fatta M.Kom ANALISIS KEBUTUHAN SISTEM Hanif Al Fatta M.Kom Abstraks Hasil dokumentasi dari tahap analisis kelemahan system digunakan untuk rekomendasi fungsionalitas apa saja yang bisa dilakukan sistem baru. Fungsionalitas

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. Alat penelitian berupa komputer yang akan diimplementasikan prototipe

BAB 3 METODOLOGI PENELITIAN. Alat penelitian berupa komputer yang akan diimplementasikan prototipe BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian Alat penelitian berupa komputer yang akan diimplementasikan prototipe perangkat lunak sistem manajemen klaim asuransi dengan

Lebih terperinci

PERANCANGAN SISTEM UNTUK MENENTUKAN JENIS KACAMATA BAGI PENDERITA GANGGUAN LENSA MATA BERBASIS ANDROID NASKAH PUBLIKASI

PERANCANGAN SISTEM UNTUK MENENTUKAN JENIS KACAMATA BAGI PENDERITA GANGGUAN LENSA MATA BERBASIS ANDROID NASKAH PUBLIKASI PERANCANGAN SISTEM UNTUK MENENTUKAN JENIS KACAMATA BAGI PENDERITA GANGGUAN LENSA MATA BERBASIS ANDROID NASKAH PUBLIKASI diajukan oleh Bima Setiawan 11.11.4642 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA

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

PENCARIAN TITIK LOKASI DENGAN PEMANFAATAN ALGORITMA FLOYD-WARSHALL SEBAGAI PERHITUNGAN JARAK TERDEKAT DI INSTITUT TEKNOLOGI BANDUNG

PENCARIAN TITIK LOKASI DENGAN PEMANFAATAN ALGORITMA FLOYD-WARSHALL SEBAGAI PERHITUNGAN JARAK TERDEKAT DI INSTITUT TEKNOLOGI BANDUNG JURNAL LPKIA, Vol. No., Januari 205 PENCARIAN TITIK LOKASI DENGAN PEMANFAATAN ALGORITMA FLOYD-WARSHALL SEBAGAI PERHITUNGAN JARAK TERDEKAT DI INSTITUT TEKNOLOGI BANDUNG Ahmad Adityo Anggoro Program Studi

Lebih terperinci

PERANCANGAN SISTEM INFORMASI PEMBAYARAN KULIAH BERBASIS CLIENT-SERVER PADA AKMI BATURAJA

PERANCANGAN SISTEM INFORMASI PEMBAYARAN KULIAH BERBASIS CLIENT-SERVER PADA AKMI BATURAJA PERANCANGAN SISTEM INFORMASI PEMBAYARAN KULIAH BERBASIS CLIENT-SERVER PADA AKMI BATURAJA M. Romzi Program Studi Manajemen Informatika, AMIK AKMI Baturaja Jl. A. Yani No. 267 A Baturaja, OKU, Sumatera Selatan

Lebih terperinci

APLIKASI BELAJAR MEMBACA IQRO BERBASIS MOBILE

APLIKASI BELAJAR MEMBACA IQRO BERBASIS MOBILE APLIKASI BELAJAR MEMBACA IQRO BERBASIS MOBILE Muhammad Sobri 1) dan Leon Andretti Abdillah 2) 1) Manajemen Informatika, Fakultas Ilmu Komputer Universitas Bina Darma 2) Sistem Informasi, Fakultas Ilmu

Lebih terperinci

BAB IV ANALISA DAN DESAIN

BAB IV ANALISA DAN DESAIN 26 BAB IV ANALISA DAN DESAIN 4.1 Identifikasi Masalah Sebelum proses analisa dilakukan, tahapan yang terlebih dahulu dilakukan adalah identifikasi permasalahan yang terdiri dari survey, wawancara kepada

Lebih terperinci

Tahap setelah analisis dari siklus pengembangan sistem Pendefinisian dari kebutuhan-kebutuhan fungsional Persiapan untuk rancang bangun implentasi

Tahap setelah analisis dari siklus pengembangan sistem Pendefinisian dari kebutuhan-kebutuhan fungsional Persiapan untuk rancang bangun implentasi Untung Subagyo Tahap setelah analisis dari siklus pengembangan sistem Pendefinisian dari kebutuhan-kebutuhan fungsional Persiapan untuk rancang bangun implentasi Menggambarkan bagaimana suatu sistem dibentuk

Lebih terperinci

PERANGKAT LUNAK PENGAMBILAN KEPUTUSAN DALAM PENJADWALAN DENGAN METODE RECURSIVE LARGEST FIRST

PERANGKAT LUNAK PENGAMBILAN KEPUTUSAN DALAM PENJADWALAN DENGAN METODE RECURSIVE LARGEST FIRST PERANGKAT LUNAK PENGAMBILAN KEPUTUSAN DALAM PENJADWALAN DENGAN METODE RECURSIVE LARGEST FIRST Sadar Aman Gulo (0911040) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja

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

SISTEM INFORMASI PENDATAAN PESERTA DIDIK SMK BAGIMU NEGERIKU SEMARANG BERBASIS WEB APPLICATION

SISTEM INFORMASI PENDATAAN PESERTA DIDIK SMK BAGIMU NEGERIKU SEMARANG BERBASIS WEB APPLICATION SISTEM INFORMASI PENDATAAN PESERTA DIDIK SMK BAGIMU NEGERIKU SEMARANG BERBASIS WEB APPLICATION Yafet Adi Kurniawan Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Unversitas Dian Nuswantoro Email :

Lebih terperinci

B A B I I L A N D A S A N T E O R I

B A B I I L A N D A S A N T E O R I 7 B A B I I L A N D A S A N T E O R I 2.1. Penjualan Penjualan mempunyai pengertian secara umum yaitu merupakan suatu proses dimana dalam proses tadi terjadi penukaran suatu produk berupa barang ataupun

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Konsep Dasar Sistem Informasi Pada bab ini akan dibahas mengenai definisi sistem informasi, namun harus diketahui terlebih dahulu konsep sistem dan informasi. Dari definisi sistem

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

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

ANALISA RANGKAIAN ALAT PENGHITUNG JUMLAH MOBIL PADA PELATARAN PARKIR. Noveri Lysbetti Marpaung

ANALISA RANGKAIAN ALAT PENGHITUNG JUMLAH MOBIL PADA PELATARAN PARKIR. Noveri Lysbetti Marpaung ANALISA RANGKAIAN ALAT PENGHITUNG JUMLAH MOBIL PADA PELATARAN PARKIR Noveri Lysbetti Marpaung Staf Pengajar Jurusan Teknik Elektro, Fakultas Teknik,, Universitas Riau. Kampus: Binawidya km. 12,5 Simpang

Lebih terperinci

B A B I PENDAHULUAN. 1.1.Latar Belakang. Penggunaan komputer sebagai salah satu alat bantu dalam menyediakan

B A B I PENDAHULUAN. 1.1.Latar Belakang. Penggunaan komputer sebagai salah satu alat bantu dalam menyediakan B A B I PENDAHULUAN 1.1.Latar Belakang. Penggunaan komputer sebagai salah satu alat bantu dalam menyediakan informasi yang cepat dan efisien sudah bukan merupakan hal yang langka pada era teknologi informasi

Lebih terperinci