PENGENALAN HURUF JAWA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK DENGAN FUZZY FEATURE EXTRACTION
|
|
- Verawati Hadiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENGENALAN HURUF JAWA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK DENGAN FUZZY FEATURE EXTRACTION Aditya Wibowo 1), Achmad Hidayatno 2), Ajub Ajulian 2) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jln. Prof. Sudharto, Tembalang, Semarang, Indonesia Abstarct Various studies on the recognition / identification of handwritten letters continue to be developed. Some are quite popular method is a statistical approach (image matching), genetic algorithms, and the syntactic approach. The use of these methods will work best if used to recognized handwritten letters that low levels of complexity, in other words, these methods are less effective when recognizing handwritten characters possess the type and size can be different. Because of the complexity of hand-written letter will increase by a variety of writing and writers mood. The purpose of this last project is capable of using fuzzy logic and neural network backpropagation to recognize handwritten characters. This Last Project appoint a topic about character handwriting recognition about javanesse letters using fuzzy logic that regard a character handwriting as a graph with direction, which the node consist of end points and intersection points while the edge consist of line, curve, and loop as basic step for features extraction sub-system, a neural network backpropagation for classification sub-system, and classic algorithm for perprocessing sub-system. This system accept *.bmp input image then the system will execute with three stage that are preprocessing, fuzzy feature extraction, and neural network backpropagation. Testing purpose are to find out whether the system can recognize a character that obtained in input. Testing using 12 sample character handwriting(every sample include 20 kind of charecter) from 12 volunteer. The dimension of input image is 106 x 114 with *.bmp format. The result has recognition rate 84,1% Keywords : Logika fuzzy, Neural network backpropagation, Citra Digital, Prepocessing, Fuzzy features extraction, Recognition rate. 1. PENDAHULUAN 1.1 Latar Belakang Berbagai macam pengenalan / identifikasi huruf tulisan tangan terus dikembangkan. Beberapa metode yang cukup populer ialah dengan cara pendekatan statistik (pencocokan citra), algoritma genetika, dan pendekatan sintaktik. Penggunaan metode tersebut akan berhasil baik jika digunakan untuk mengenali huruf tulisan tangan yang memiliki tingkat kerumitan yang rendah, dengan kata lain metode tersebut akan kurang efektif jika mengenali huruf tulisan tangan yang memliki tipe dan ukuran yang bisa berbeda. Karena kerumitan dari huruf tulisan tangan akan bertambah oleh variasi penulisan serta susana hati penulisnya. Mengacu pada permasalahan di atas maka tugas akhir ini akan mencoba teknik lain yang diharapkan lebih efektif guna mengenali huruf tulisan tangan. Metode pengenalan yang diangkat dalam tugas akhir ini ialah dengan menggunakan logika fuzzy yang mana menganggap huruf tulisan tangan sebagai sebuah graf berarah, yang node-nya terdiri atas titik ujung dan titik cabang. Sementara edgenya berupa garis lurus, kurva, dan loop. Sedangkan untuk proses klasifikasi menggunakan metode jaringan saraf tiruan propagasi balik (backpropagation). Jaringan saraf tiruan adalah sebuah metode komputasi yang memiliki cara kerja seperti saraf otak manusia. Keunggulan metode ini ialah memiliki kemampuan untuk belajar dan memecahkan hubungan yang rumit, yang sulit untuk dideskripsikan antara data masukan dan data keluaran, hal tersebut di mungkinkan karena jaringan saraf tiruan mampu dilatih berdasarkan informasi yang diterimanya. 1.2 Tujuan Tujuan dari tugas akhir ini adalah : 1. Mampu menggunakan logika fuzzy dan jaringan saraf tiruan perambatan balik untuk mengenali huruf tulisan tangan. 2. Mampu menguji dan menganalisis unjuk kerja sistem dengan memperhitungkan tingkat akurasi dan ketelitian. 1.3 Batasan Masalah Dalam tugas akhir ini, objek dari tugas akhir ini dibatasi dengan ruang lingkup sebagai berikut : [1] Mahasiswa Jurusan Teknik Elektro Undip [2] Dosen Jurusan Teknik Elektro Undip
2 1. Masukan dari sistem adalah citra digital dan keluarannya adalah informasi jenis huruf Jawa tulisan tangan yang ada pada citra tersebut. 2. Tugas akhir ini hanya mengurusi masalah pengenalan huruf tulisan tangan tunggal yang terdiri dari huruf (a) sampai (z ) 3. Perangkat lunak ini tidak memiliki bagian pemulihan kesalahan (error recovery), dan perbaikan kesalahan (error repair). Bagian yang berhubungan dengan error hanyalah sebatas pendeteksi kesalahan (error detect). II. LANDASAN TEORI 2.1 Pengenalan Pola Pola adalah identitas yang terdefinisi dan dapat diidentifikasi melalui ciri-cirinya. Ciriciri tersebut digunakan untuk membedakan suatu pola dengan pola lainnya. Ciri yang bagus adalah ciri yang memiliki daya pembeda yang tinggi, sehingga pengelompokan pola berdasarkan ciri yang dimiliki dapat dilakukan dengan keakuratan yang tinggi. Contoh Pola huruf memiliki ciri antara lain : tinggi, tebal, titik sudut, lengkungan garis. 2.2 Konsep Dasar Citra Digital Istilah citra yang digunakan dalam pengolahan citra merupakan fungsi dua dimensi. Citra dapat dinyatakan sebagai fungsi kontinu dari intensitas cahaya dalam bidang dua dimensi,f(x,y), x dan y menyatakan kordinat ruang dan nilai f pada suatu koordinat (x,y) menyatakan kecerahan dan informasi warna citra Tipe Citra 1. RGB Citra RGB mempunyai array berukuran m x n x 3 yang mendefinisikan warna merah, warna hijau, dan warna biru untuk setiap pikselnya. Warna pada setiap piksel ditentukan dari kombinasi merah, hijau, dan biru. RGB merupakan citra 24 bit dengan komponen merah, hijau, dan biru disimpan masing-masing berukuran 8 bit yang berarti memiliki tingkat kecerahan warna sampai 256 level. 2. Grayscale Citra digital keabuan adalah citra yang mana nilai tiap piksel di dalamnya adalah berupa sampel tunggal. Hasil citra yang ditunjukan jenis ini secara khusus terdiri atas warna kelabu yang terbagi dalam rentang warna dari hitam di intensitas yang paling lemah sampai putih dengan intensitas yang paling kuat. 3. Citra Biner Citra jenis ini biasa juga disebut citra black-and-white atau disebut sebagai monokromatik Pengolahan Citra Digital Pengolahan citra dapat diartikan sebagai suatu proses yang dilakukan terhadap suatu gambar sehingga menghasilkan gambar lain yang lebih sesuai dengan keinginan. Secara umum tahapan pengolahan citra digital meliputi akusisi citra, peningkatan kualitas citra, segmentasi citra, representasi dan uraian, pengenalan dan interpretasi. 1. Akusisi citra Pengambilan data dapat dilakukan dengan menggunakan berbagai media seperti kamera analog, kamera digital, handycam, scanner, optical reader. Citra yang dihasilkan belum tentu data digital, sehingga perlu diubah ke data digital. 2. Pengingkatan kualitas citra Pada tahap ini dikenal dengan preprocessing yang mana dalam meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam keberhasilan pada tahap pengolahan citra digital berikutnya. 3. Segmentasi citra Segmentasi bertujuan untuk memilih dan memisahkan suatu objek dari keseluruhan citra. 4. Representasi dan Uraian Representasi mengacu pada data konversi dari hasil segmentasi ke bentuk yang lebih sesuai untuk proses pengolahan pada komputer. 5. Pengenalan dan Interpretasi Pengenalan (recognition) pola tidak hanya bertujuan untuk mendapatkan citra dengan suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacam-macam citra. 2.3 Konsep Dasar Logika Fuzzy Sistem Fuzzy ditemukan pertama kali oleh Prof. Lotfi Zadeh pada pertengahan tahun 1960 di Universitas California. Sistem ini diciptakan karena boolean logic tidak mempunyai ketelitian yang tinggi, hanya
3 mempunyai logika 0 dan 1 saja. Sehingga untuk membuat sistem yang mempunyai ketelitian yang tinggi maka tidak dapat menggunakan boolean logic. Bedanya fuzzy dengan boolean logic dapat diilustrasikan pada gambar 1. Gambar 1 Perbedaan Fuzzy Logic dan Boolean Logic Pada sistem fuzzy terdapat tiga proses yaitu : 1. Fuzzification. Proses ini berfungsi untuk merubah suatu besaran analog menjadi masukan fuzzy. Secara diagram blok dapat dilihat pada gambar Rule evaluation. Proses ini berfungsi untuk untuk mencari suatu nilai keluaran dari masukan pada fuzzy. 3. Defuzification. Proses ini berfungsi untuk menentukan suatu nilai crisp output. 2.4 Jaringan Saraf Tiruan Perambatan Balik Jaringan saraf merupakan salah satu representasi buatan yang meniru otak manusia, yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah buatan disini digunakan karena jaringan saraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran Komponen Jaringan Saraf Tiruan Jaringan saraf tiruan memiliki banyak neuron yang tersebar di seluruh bagiannya. Masing-masing neuron dikelompokkan ke dalam beberapa lapisan dan memiliki hubungan satu dengan yang lain yang disebut dengan layer. Layer terdiri dari beberapa bagian, yaitu: 1. Lapisan Masukan (Input Layer) Lapisan ini merupakan tempat yang mana seluruh bobot awal dimasukkan (inisialisasi masukan) yang selanjutnya diproses untuk dikirimkan ke lapisan di atasnya. 2. Lapisan Tersembunyi (Hidden Layer) Lapisan ini merupakan lapisan di antara lapisan masukan dan lapisan keluaran. Disini bobot yang diterima dari lapisan masukan juga diproses untuk selanjutnya dikirim ke lapisan di atasnya yaitu lapisan keluaran. 3. Lapisan Keluaran (Output Layer) Lapisan ini merupakan lapisan akhir pada arsitektur jaringan yang mana nilai keluaran dari jaringan dihasilkan Arsitektur Jaringan Saraf Tiruan Arsitektur jaringan merupakan salah satu hal terpenting dalam jaringan saraf tiruan selain dari neuron dan algoritma pembelajaran. Arsitektur jaringan terbagi menjadi tiga jenis, yaitu: 1. Jaringan Lapis Tunggal (Single Layer Network) Jaringan lapis tunggal merupakan jaringan yang hanya memiliki satu buah lapisan dengan bobot-bobot yang terhubung. Jaringan ini hanya menerima nilai masukan dan secara langsung mengolahnya untuk menjadi nilai keluaran tanpa melalui lapisan tersembunyi. Gambar 2. Jaringan Lapis Tunggal 2. Jaringan Lapis Jamak (Multi Layer Network) Jaringan lapis jamak merupakan jaringan yang memiliki satu buah atau lebih lapisan di antara lapisan masukan dan lapisan keluaran. Jaringan lapis jamak ini dapat menyelesaikan permasalahan yang lebih rumit dibandingkan dengan jaringan lapis tunggal walaupun memiliki tingkat kerumitan yang tinggi serta membutuhkan waktu yang lama dalam proses pelatihannya. Gambar 3. Jaringan Lapis Jamak
4 2.4.3 Model Pelatihan Jaringan Saraf Tiruan Metode pembelajaran jaringan saraf tiruan terdiri dari dua cara: 1. Pembelajaran Terbimbing (Supervised Learning) Pembelajaran terbimbing merupakan metode pembelajaran dalam jaringan saraf tiruan yang mana keluaran target yang diinginkan telah diketahui sebelumnya dan diharapkan setelah proses pelatihan keluaran target tercapai. 2. Pembelajaran Tak Terbimbing (Unsupervised Learning) Pembelajaran tak terbimbing merupakan metode pembelajaran dalam jaringan saraf tiruan yang tidak memerlukan keluaran target dalam proses pembelajarannya Fungsi Aktivasi Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan saraf tiruan, antara lain: 1. Fungsi Sigmoid Biner (Logsig) Fungsi sigmoid biner memiliki nilai antara 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan saraf yang membutuhkan nilai keluaran yang terletak pada interval 0 sampai 1. Gambar 4. Fungsi Sigmoid Biner Gambar 6. Fungsi Linier Jaringan Saraf Tiruan Perambatan Balik Jaringan saraf perambatan balik merupakan salah satu dari beberapa metode yang digunakan dalam jaringan saraf tiruan dan yang paling sering digunakan dalam berbagai bidang aplikasi, seperti pengenalan pola, peramalan dan optimisasi. Hal ini dimungkinkan karena metode ini menggunakan pembelajaran yang terbimbing. Pola masukan dan target diberikan sebagai sepasang data. Bobot-bobot awal dilatih dengan melalui tahap maju untuk mendapatkan galat keluaran yang selanjutnya galat ini digunakan dengan tahap mundur untuk memperoleh nilai bobot yang sesuai agar dapat memperkecil nilai galat sehinggga target keluaran yang dikehendaki tercapai Arsitektur Jaringan Saraf Tiruan Perambatan Balik Hubungan antar neuron dalam suatu jaringan dan membentuk lapisan disebut arsitektur jaringan. Arsitektur jaringan saraf perambatan balik terdiri dari beberapa lapisan, yaitu lapisan masukan, lapisan tersembunyi dan lapisan keluaran. 2. Fungsi Sigmoid Bipolar (Tansig) Fungsi sigmoid bipolar hampir sama dengan fungsi sigmoid biner, hanya saja fungsi ini memiliki range antara 1 sampai -1. Gambar 7. Arsitektur jaringan saraf perambatan balik Gambar 5. Fungsi Sigmoid Bipolar 3. Fungsi Linier (Identitas) Fungsi linier memiliki nilai keluaran yang sama dengan nilai masukannya. Arsitekturnya seperti tampak pada Gambar 7 tersusun atas lapisan-lapisan, yaitu lapisan masukan, lapisan tersembunyi, dan lapisan keluaran. Lapisan paling kiri adalah lapisan masukan dan di dalam jaringan saraf tiruan hanya simpul-simpul pada lapisan inilah yang menerima masukan luar. Lapisan
5 berikutnya adalah lapisan tersembunyi, dan pada lapisan ini simpul-simpulnya diinterkoneksikan secara penuh ke lapisan di atas dan di bawahnya. Lapisan paling kanan adalah lapisan keluaran sebagai akhir dari proses jaringan tersebut. III. PERANCANGAN SISTEM Secara umum blok diagram sistem pengenalan pola huruf Jawa yang dirancang dapat ditunjukkan pada Gambar 8 sebagai berikut. Gambar 9 Tulis Tangan Jawa Citra Sukri 3.2 Preprocessing Preprocessing merupakan langkah awal sebelum dilakukan segmentasi terhadap huruf yang akan dikenali. Ada beberapa proses dalam preprocessing ini yakni: filtering, thining,dan search vertices. Berikut akan dijelaskan lebih mendalam mengenai proses tersebut. Gambar 8 Diagram Proses Sistem 3.1 Akuisisi Citra Citra huruf Jawa didapatkan dari temanteman yang kuliah di Universitas Diponegoro. Data diambil dari 12 orang yang berbeda yaitu Aditya Wibowo, Citra Sukri, Eprin Intartikasari, Fatima Nurita, Fendhy Putra, Gathut Nugroho, Ma ruf Nashrul, Meilia Kusumawardani, Reza Ardhita, Ria Chandra, Rifatul, Teguh Prakoso. Setiap orang menuliskan huruf Jawa dari awal sampai akhir yang berjumlah 20 huruf. Berikut adalah contoh hasil scan huruf Jawa tulisan tangan Filtering Gambar masukan yang diterima oleh sistem akan diubah menjadi sebuah matrik yang berukuran seusai dengan ukuran piksel gambar masukan tersebut. Kemuadian akan dilakukan perubahan menjadi binary matrik (matrik yang hanya mempunyai dua nilai yakni: 0 dan 1). Perhatikan gambar 10 berikut : Gambar 10 Binary Matrik Thining Proses thining merupakan proses penghilangan piksel terluar dengan cara iterative boundary erotion process hingga menghasilkan sebuah piksel tulang (skeleton). Gambar 11 Proses Thining
6 3.2.3 Search Verticles Masukan yang telah dilakukan proses thining selanjutnya akan dicari koordinat titik ujung (end points) dan titik percabangan (intersection points). Gambar 12 Find Vertices 3.3 Fuzzy Feature Extraction Pada tahap ini akan dilakukan segmentasi terhadap huruf yang selanjutnya akan ditentukan tipe dari masing-masing segmen tersebut. Input data: a) m x n binary image matrik (yang telah dilakukan thining). b) Koordinat vertices (titik ujung dan titik percabangan) Output data: a) Matrik fungsi dari huruf b) Matrik interrelationship (matrik keterhubungan antar segmen) Gambar 13 Tipe segmen 3.4 Neural Network Backpropagation Perancangan Arsitektur Jaringan Metode Jaringan Saraf Tiruan yang akan digunakan adalah metode jaringan saraf tiruan propagasi balik. Spesifikasi jaringan saraf tiruan yang dirancang pada Tugas Akhir ini adalah sebagai berikut : 1. Lapisan masukan : Pada lapisan masukan terdapat 180 neuron yang digunakan untuk memasukkan data citra. 2. Lapisan tersembunyi : 3 lapisan tersembunyi (hidden layer), lapisan pertama berisi 160 neuron dengan fungsi aktivasi sigmoid bipolar (tansig), sedangkan lapisan kedua berisi 140 neuron dengan fungsi aktivasi sigmoid biner (logsig) dan lapisan ketiga berisi 120 neuron dengan fungsi aktivasi sigmoid biner (logsig). 3. Lapisan keluaran : 20 neuron dengan fungsi identitas (purelin). Lapisan keluaran berisi hasil klasifikasi Perancangan Pelatihan Jaringan Pelatihan jaringan yang dilakukan adalah setiap gambar yang akan dilatih diambil satu gambar dari masing masing orang yang telah menulis sehingga dari ke 10 orang tersebut yang telah menulis sebanyak 5 kali diambil satu gambar. Sehingga total untuk data latih sebesar 200 buah gambar masukan, dan untuk data uji sebesar 1000 buah gambar karena ada dua gambar dari dua orang yang tidak ikut dilatih. Data tersebut di masukan pada tombol input pattern. Kemudian disimpan dan lakukan pelatihannya. IV. PENGUJIAN DAN ANALISIS Pembuatan Data Pelatihan Pengujian yang dilakukan dibagi menjadi dua yaitu pengujian dengan menggunakan data latih dan pengujian dengan menggunakan data uji. Pengujian dengan menggunakan data latih merupakan pengujian yang dilakukan berdasarkan data tulisan Jawa tunggal yang telah dipotong ke ukuran 106*114 dengan format.bmp yang dijadikan basis data pada saat pembuatan jaringan. Sedangkan pengujian dengan menggunakan data uji merupakan pengujian data tulisan Jawa tunggal yang tidak dijadikan basis data pada saat pelatihan jaringan Pengujian Data Latih Pada pengujian data latih parameter yang digunakan adalah : NetBP =newff(minmax(input),[160,140,120, 20],{'tansig','logsig','logsig','p urelin'},'trainrp'); NetBP= init (NetBP); NetBP.trainParam.epochs=epochs; NetBP.trainParam.goal=mse; NetBP.performFcn = 'sse'; NetBP.trainParam.mc = 0.95; NetBP.trainParam.lr=0.001;
7 Untuk jumlah iterasi adalah 5000 dan untuk goal nya 0.01 Jawa yang telah dipotong satu persatu. Citra huruf Jawa yang digunakan adalah 10 setiap huruf, jadi totalnya menjadi 200 citra huruf Jawa. 4.3 Pengujian Data Uji Setelah pengujian data latih selesai maka selanjutnya adalah melakukan pengujian data uji. Data citra huruf Jawa yang digunakan pada pengujian data uji ini adalah 5x setiap huruf Jawa jadi totalnya 1000 data huruf Jawa. Data tersebut bukan termasuk data yang telah dilatih pada proses pelatihan. Gambar 14. Hasil Pelatihan Jaringan Disini terlihat hasil pelatihan jaringan dengan menggunakan trainrp, dengan goal sebesar 0.01 dan epoch sebesar Pada gambar 14 di atas terlihat jaringan tidak bisa melakukan pembelajaran secara sempurna karena jumlah iterasi yang dilakukan sudah mencapai tujuan Gambar 16 Proses pengenalan pengujian data uji Tabel 1 Hasil Pengenalan Huruf Jawa Huruf Hasil Pengenalan Data Latih Hasil Pengenalan Data Uji a 6 28 Gambar 15 Hasil Simulasi Jaringan Disini terlihat simulasi jaringan berjalan dengan cukup baik karena keluaran hampir bisa mengenali data yang telah di uji walaupun belum semua data dapat terkenali. Nilai gradien m pada simulasi jaringan tersebut adalah Nilai perpotongan y untuk regresi liner mendekati 0. Serta nilai parameter regresi r adalah Pengujian Data Latih Pengujian data latih adalah menguji data citra yang dibuat untuk membuat jaringan ke dalam program yang telah dilatih. Pada pengujian data latih digunakan citra huruf n c r k f t s w l p
8 d j y v m g b q z Dikenali % ratarata 93 84,1 4.4 Faktor yang mempengaruhi tingkat keberhasilan pengenalan Berdasarkan data di atas dapat diketahui bahwa sistem pengenalan pola ini memiliki tingkat pengenalan sebesar 84.1%, sehingga dapat disimpulkan bahwa sistem ini cukup baik untuk melakukan pengenalan huruf Jawa tulisan tangan. Namun ada beberapa masalah yang ditemui antara lain ialah: - Akuisisi citra adalah cara pengambilan citra huruf Jawa tulis tangan. Mulai dari cara penulisan huruf Jawa yang berbedabeda dengan orang-orang yang berbedabeda juga. - Pola yang dimiliki oleh setiap huruf tidak selalu identik, dengan kata lain diperlukan sebuah parameter baru (selain value huruf dan matrik interrelationship) yang diperlukan untuk menjamin setiap huruf memiliki pola yang identik. - Penggunaan jaringan saraf tiruan akan lebih efektif jika pola yang dimiliki pada saat proses pembelajaran (training) semakin banyak dan begitupula sebaliknya akan kurang efektif apabila pola yang dimiliki terbatas. V. PENUTUP 5.1 Kesimpulan Berdasarkan proses perancangan, implementasi, pengujian, dan analisis yang dilakukan pada bab-bab sebelumnya maka ada beberapa kesimpulan yang dapat diambil, sebagai berikut : 1. Metode Logika Fuzzy yang digabungkan dengan Jaringan Saraf Tiruan Backpropagation dapat digunakan untuk mengenali huruf tulisan tangan. 2. Dengan ukuran 106*114 proses pelatihan akan lebih akurat dan lebih cepat karena ukuran ini tidak terlalu besar atau tidak terlalu kecil. Karena jika terlalu besar proses pelatihan akan lama, sedangkan kalau terlalu kecil ketepatan pengenalan akan tidak terlalu akurat. 3. Dengan memakai trainrp, program akan memiliki hasil kecepatan pelatihan yang tinggi. 4. Pada proses simulasi menghasilkan nilai gradien m pada simulasi jaringan tersebut adalah Nilai perpotongan y untuk regresi linier mendekati 0. Serta nilai parameter regresi r adalah Berdasarkan pengujian data latih dengan 200 citra huruf Jawa yang sudah dilatih serta hasil simulasinya yang tepat, pengenalannya didapatkan hasil 93%. 6. Sistem pengenalan tulisan yang dibangun dengan menggunakan metode logika fuzzy dan jaringan saraf tiruan memiliki tingkat pengenalan sebesar 84.1%, 7. Besarnya recognition rate akan dipengaruhi oleh identik tidaknya pola yang dimiliki oleh tiap huruf yang akan dikenali serta banyak tidaknya pola yang dimiliki sistem pada tahap pelatihan jaringan (training). 8. Faktor-faktor yang mempengaruhi tingkat pengenalan pada pengujian data adalah akuisisi citra, pelatihan jaringan, ekstraksi ciri, pola citra yang diuji, data latih
9 5.2 Saran Berikut saran yang dapat diajukan guna pengembangan pembangunan sistem pengenalan huruf tangan menggunakan metode logika fuzzy dengan pendekatan jaringan saraf tiruan backpropagation: 1. Sebaiknya pada akuisisi citra atau dalam pengambilan citra huruf Jawa harus sesuai dengan format huruf Jawa yang tepat serta tidak ada titik-titik atau kotoran yang nanti akan menambah noise. 2. Pada tahap features extraction akan lebih baik bila ditambahkan beberapa parameter lain(selain value setiap huruf dan matrik interrelationship) guna menghasilkan pola yang identik untuk setiap huruf. 3. Sistem akan lebih bermanfaat bila mampu mengenali bukan hanya satu huruf tulisan tangan, namun beberapa huruf yang terdapat pada masukan. DAFTAR PUSTAKA [1] Earl Gose, Richard Johnounbaug, Steve Jost.Pattern Recognition and Image analysis.prentice Hall. India [2] Gurney, K., An Introduction to Neural Networks, Taylor & Francis e-library, [3] Jain, A. K Fundamentals of Digital Image Processing. Prentice Hall. New Delhi. [4] Haykin, S., Neural Networks, Macmilian College Publishing Company.Inc, New York, [5] Hermawan, A., Jaringan Saraf Tiruan Teori dan Aplikasi, Penerbit Andi, Yogyakarta, [6] Kusumadewi, S., Membangun Jaringan Saraf Tiruan menggunakan MATLAB & EXCEL LINK, Penerbit Graha Ilmu, Yogyakarta,2004. [7] Puspitaningrum, D., Pengantar Jaringan Saraf Tiruan, Penerbit Andi, Yogyakarta, [8] Siang, J. J., Jaringan Saraf Tiruan dan Pemrogramannya Menggunakan Matlab, Penerbit Andi, Yogyakarta, [9] Lam, L., Seong-Whan Lee, and Ching Y. Suen, "Thinning Methodologies-A Comprehensive Survey," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 14, No. 9, September 1992, page 879, bottom of first column through top of second column [10] Pitas, Ioannis Digital Image Processing Algorithms. Prentice Hall International (UK) Ltd [11] Sugiharto, A., Pemograman GUI dengan MATLAB, Penerbit Andi, Yogyakarta, 2005 [12] ---,Jaringan Saraf Tiruan, November [13]Tugas Akhir Tri Budi Nurwanto Pengenalan Huruf Tulisan Tangan Menggunakan Logika Fuzzy Dengan Pendekatan Neural Networks Back Propagation, 2007 BIODATA PENULIS Aditya Wibowo, lahir di Kota Semarang pada tanggal 22 Maret Penulis menempuh studinya di SD Pendrikan Utara Semarang, SMP Negeri 30 Semarang, SMA Negeri 1 Semarang. Saat ini penulis sedang menyelesaikan studi strata 1 di Teknik Elektro Universitas Diponegoro mengambil Konsentrasi Elektronika dan Telekomunikasi. Menyetujui, Dosen Pembimbing I, Achmad Hidayatno, S.T., M.T. NIP Dosen Pembimbing II, Ajub Ajulian Zahra, S.T., M.T. NIP
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPengenalan Pola Huruf Arab Tulis Tangan Menggunakan Jaringan Saraf Tiruan dengan Metode Perambatan Balik
Pengenalan Pola Huruf Arab Tulis Tangan Menggunakan Jaringan Saraf Tiruan dengan Metode Perambatan Balik Teguh Prakoso 1, Achmad Hidayatno 2, R.Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik Universitas
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 terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB I PENDAHULUAN. Pengenalan pola merupakan permasalahan kecerdasan buatan yang secara
BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan pola merupakan permasalahan kecerdasan buatan yang secara umum sering digunakan dalam sistem berbasis pengetahuan. Pengenalan pola memiliki peranan penting
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA (Studi Eksplorasi Pengembangan Pengolahan Lembar Jawaban Ujian Soal Pilihan Ganda di
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciALGORITMA BACK PROPAGATION NEURAL NETWORK UNTUK PENGENALAN POLA KARAKTER HURUF JAWA
Nazla Nurmila, Aris Sugiharto, Eko Adi Sarwoko ALGORITMA BACK PROPAGATION NEURAL NETWORK UNTUK PENGENALAN POLA KARAKTER HURUF JAWA Nazla Nurmila, Aris Sugiharto, dan Eko Adi Sarwoko Prodi Ilmu Komputer
Lebih terperinciPENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN FUZZY FEATURE EXTRACTION DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN FUZZY FEATURE EXTRACTION DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Helsi Tia Vermala 1, Diyah Puspitaningrum 2, Yudi Setiawan 3 123 Program Studi
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
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 terperinciTOLERANSI 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 terperinciPREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK
PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK R.Mh.Rheza Kharis *), R. Rizal Isnanto, Ajub Ajulian Zahra Jurusan Teknik Elektro,
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK ABSTRAK Dwi Putra Alexander (0722067) Jurusan Teknik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
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 terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
Lebih terperinciSLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
SLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun Oleh : Apriliyanto Taufik Betama (1022070) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri, MPH, No.
Lebih terperinciPREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK
PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK R. Mh. Rheza Kharis *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DENGAN METODE PERAMBATAN BALIK UNTUK PERAMALAN HARGA DINAR DAN DIRHAM
APLIKASI JARINGAN SYARAF TIRUAN DENGAN METODE PERAMBATAN BALIK UNTUK PERAMALAN HARGA DINAR DAN DIRHAM Gathut Nugroho 1), R. Rizal Isnanto 2), Ajub Ajulian Zahra 2) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciPengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation
Pengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation Andi Wahju Rahardjo Emanuel, Arie Hartono Jurusan S1 Teknik Informatika Fakultas
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 203-209 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD
Lebih terperinciPENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION
PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION Amriana 1 Program Studi D1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik UNTAD ABSTRAK Jaringan saraf tiruan untuk aplikasi
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON Disusun oleh : Nama : J. Rio Sihombing NRP : 0322129 Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS ALGORITMA RESILIENT PROPAGATION
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS ALGORITMA RESILIENT PROPAGATION Disusun oleh : Nama : Robin Panjaitan NRP : 0622017 Jurusan Teknik Elektro, Fakultas
Lebih terperinciMENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB
POLITEKNOSAINS VOL. X NO. 2 Juni 2011 MENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB Yaya Finayani Teknik Elektro, Politeknik Pratama Mulia, Surakarta 57149, Indonesia ABSTRACT
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciSISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE
SISTEM PENGENALAN BUAH MENGGUNAKAN METODE DISCRETE COSINE TRANSFORM dan EUCLIDEAN DISTANCE Bagus Aditya *), Achmad Hidayatno, and Ajub Ajulian Zahra Jurusan Teknik Elektro, Universitas Diponegoro Semarang
Lebih terperinciArga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinciEVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN
EVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN (Studi Kasus pada Pengenalan Karakter Angka Tulisan Tangan) Iwan Suhardi Jurusan Teknik
Lebih terperinciJURNAL INFORMATIKA PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Institut Teknologi Nasional Bandung ABSTRAK
Lebih terperinciRealisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen
Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen David Novyanto Candra/0322003 Email: dave_christnc@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jln.Prof.Drg.Suria
Lebih terperinciANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA
ISSN: 1693-6930 159 ANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA Iwan Suhardi, Riana T. Mangesa Jurusan
Lebih terperinciBAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
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 terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciTOLERANSI 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 terperinciPENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN LOGIKA FUZZY DENGAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN LOGIKA FUZZY DENGAN JARINGAN SYARAF TIRUAN BACKPROPAGATION MAKALAH Disusun Sebagai Salah Satu Syarat Menyelesaikan Jenjang Strata 1 Pada Jurusan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
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 terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
Lebih terperinciPENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
PENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK Thari Novianty Mentaruk (0722100) Jurusan Teknik Elektro e-mail : thari_novianty_m@yahoo.com Verifikasi tanda
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciEkstraksi Fitur Perpotongan dan Lengkungan untuk Mengenali Huruf Cetak
Ekstraksi Fitur Perpotongan dan Lengkungan untuk Mengenali Huruf Cetak Limanyono Tanto 1,Liliana 2 Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciBAB I PENDAHULUAN. mengenali dan membedakan ciri khas yang dimiliki suatu objek (Hidayatno,
1 BAB I PENDAHULUAN A. Latar belakang Saat ini pemanfaatan teknologi pengolaan citra untuk mempermudah manusia dalam menyelesaikan masalah-masalah tertentu sudah banyak diterapkan, khususnya dibidang Identifikasi.
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 terperinciBAB 2 LANDASAN TEORI. Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks
BAB 2 LANDASAN TEORI 2.1 Pengenalan Teks Teknologi pengenalan teks merupakan teknologi yang mampu mengenali teks pada citra digital dan mengalihkannya pada dokumen digital. Aplikasi dari teknologi pengenalan
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI
APLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI Putri Khatami Rizki 1), Muchlisin Arief 2), Priadhana Edi Kresnha 3) 1), 2), 3) Teknik Informatika Fakultas
Lebih terperinciJaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum
Jaringan Syaraf Tiruan Disusun oleh: Liana Kusuma Ningrum Susilo Nugroho Drajad Maknawi M0105047 M0105068 M01040 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
Lebih terperinciPENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK
PENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK Naskah Publikasi disusun oleh Zul Chaedir 05.11.0999 Kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Lebih terperinciKLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN Oleh : Dian Aniswari 2010-51-177 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION [1] Novi Indah Pradasari, [2] F.Trias Pontia W, [3] Dedi Triyanto [1][3] Jurusan Sistem Komputer,
Lebih terperinciBAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu
BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciyang standar. Tugas akhir ini lebih berorientasi pada pengenalan fiturnya, sehingga pembahasan lebih ditekankan pada ekstraksi fitur bentuk geometri.
1 PENGENALAN KARAKTER TEKS MENGGUNAKAN METODE NEURAL NETWORK BACKPROPAGATION Titis Hayuning Widya Pramesti, email: titishayuning@gmail.com Jurusan Teknik Elektro, Fakultas Teknik Universitas Brawijaya
Lebih terperinciABSTRAK. Michael Parlindungan ( ) Jurusan Teknik Elektro Universitas Kristen Maranatha
PENGENALAN POLA HURUF t DARI TULISAN TANGAN UNTUK MENENTUKAN KARAKTER SESEORANG DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN ALGORITMA BACKPROPAGATION ABSTRAK Michael Parlindungan (0722017) Jurusan
Lebih terperinciIDENTIFIKASI IRIS MATA MENGGUNAKAN JARINGAN SYARAF TIRUAN
IDENTIFIKASI IRIS MATA MENGGUNAKAN JARINGAN SYARAF TIRUAN Dodi Sudiana 1, Geraldi Oktio Dela Rosa 2 1,2, Departemen Teknik Elektro - Fakultas Teknik Universitas Indonesia Kampus baru UI Depok 16424 email:
Lebih terperinciPERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN
PERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN Teguh Triantoro, F. Rizal Batubara, Fahmi Konsentrasi Teknik Komputer, Departemen Teknik Elektro Fakultas Teknik
Lebih terperinciHUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION
HUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION Harjono, Didik Warasto Politeknik Pratama Mulia Surakarta
Lebih terperinciPREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal
Lebih terperinciANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA
ANALISIS FUNGSI AKTIVASI SIGMOID BINER DAN SIGMOID BIPOLAR DALAM ALGORITMA BACKPROPAGATION PADA PREDIKSI KEMAMPUAN SISWA Julpan 1 *, Erna Budhiarti Nababan 1 & Muhammad Zarlis 1 1 Program S2 Teknik Informatika
Lebih terperinciIDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN
IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN Galih Probo Kusuma, Dr Melania Suweni Muntini, MT Jurusan Fisika Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)
JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN) Marihot TP. Manalu Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
Lebih terperinciPENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Gerald Patrick Siahainenia (0522128) Jurusan Teknik Elektro email : gerald_patrick2000@yahoo.com
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciDOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Chairisni Lubis 1, Yoestinus 2 1 Fakultas Teknologi Informasi, Universitas Tarumanagara-Jakarta, Chairisni.fti.untar@gmail.com
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION SKRIPSI SEPTI HAYANTI
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION SKRIPSI SEPTI HAYANTI 091402013 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
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 terperinci