IDENTIFIKASI BAKTERI TUBERCULOSIS BERDASAR CIRI MORFOLOGI DAN WARNA 1) M, Ya qub Zain., 2) Aulia.MT. Nasution
|
|
- Irwan Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 IDENTIFIKASI BAKTERI TUBERCULOSIS BERDASAR CIRI MORFOLOGI DAN WARNA 1) M, Ya qub Zain., 2) Aulia.MT. Nasution Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 1) 2) Identifikasi bakteri tuberculosis mempunyai peran penting untuk mengetahui adanya penyakit, salah satunya adalah penyakit tuberculosis. Pengidentifikasian bakteri tuberculosis selama ini dilakukan secara manual di laboratorium membutuhkan waktu yang banyak, sehingga melelahkan dan tingkat akurasi dalam identifikasi kurang. Oleh karena itu dalam proses pengidentifikasi dibutuhkan secara otomatis. Dalam penelitian ini dilakukan pengembangan perangkat lunak untuk mengidentifikasi bakteri tuberculosis pada dahak manusia dengan menggunakan teknologi pengolahan citra digital. Citra digital yang dianalisis adalah citra bakteri tuberculosis yang diambil dari penderita penyakit tuberculosis dari dahak penderita (orang yang terkena penyakit tuberculosis). Proses pengolahan citra digital dimulai dari proses akuisisi citra, operasi warna, operasi morfologi dan pengenalan dengan jaringan syaraf tiruan dengan menggunakan algoritma propagasi balik. Hasil pengidentifikasi bakteri tuberculosis akan diuji dengan hasil identifikasi secara manual, sedangkan hasil identifikasi tersebut mencapai 86.7% I. PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan manusia saat ini pemanfaatan teknologi sekarang ini telah membawa manusia pada peradaban yang sangat tinggi dan menjadikannya sebagai tolok ukur terhadap kemajuan suatu bangsa secara umum. Teknologi tepat guna banyak diciptakan untuk membantu pekerjaan manusia terutama masalahmasalah yang sulit diselesaikan. Tuberculosis (TB) merupakan penyakit infeksi yang dapat menyerang paru-paru maupun jaringan yang lain yang disebabkan oleh kuman atau basil tuberculosis. Penyebab tuberculosis adalah mikrobacterium tuberculosis yaitu kuman berbentuk batang dengan ukuran panjang 1µm-4µm dan tebal 0,3 µm-0,6 µm. Bakteri tuberculosis bisa bertahan hidup pada udara kering maupun dalam keadaan dingin karena kuman bersifat dormant yaitu dapat bangkit kembali dan menjadi TB aktif. Selain itu, kuman ini disebut kuman aerob yaitu kuman yang lebih menyenangi jaringan yang tinggi kandungan oksigennya. Pemeriksaan ke dokter ahli merupakan salah satu cara untuk mengetahui penyakit tuberculosis. Berbagai cara akan dilakukan oleh dokter untuk mengidentifikasi penyakit tuberculosis diantaranya dengan jalan mengidentifikasi image bakteri pada dahak penderita. Oleh karena itu penulis mencoba membuat software yang dapat mengidentifikasi bakteri tuberculosis dengan menggunakan sofware Matlab R2008b Dengan menggunakan software Matlab R2008b tersebut dapat divisualisasi image processing berupa pemrosesan citra RGB menjadi citra biner,dan shape processing berupa ekstrak dari citra tersebut. Output dari image processing dan shape processing tersebut sebagai input pada jaringan syaraf tiruan yang akan mengindikasi citra bakteri tersebut. 1.2 Perumusan Masalah Dalam Tugas Akhir kali ini permasalahan yang akan diselesaikan adalah dapat dikembangkannya sistem otomasi untuk meningkatkan keakuratan serta kecepatan dalam mengidentifikasi penyakit tuberculosis yaitu melalui mengembangkan perangkat lunak berdasar teknologi pengolahan citra digital. 1.3 Batasan Masalah Untuk mempersempit dan mempertajam masalah dilakukan perbatasan masalah sebagai berikut : 1. Pengambilan data bakteri tuberculosis hanya dilakukan dari dahak penderita penyakit TBC. 2. Objek yang akan diidentifikasi bentuk morfologi dan warnanya adalah citra bakteri tuberculosis yang diambil dari sampel dahak penderita penyakit tuberculosis. 3. Analisis dilakukan dengan metode jaringan syaraf tiruan. 4. Citra digital yang akan diolah adalah citra digital dari bakteri tuberculosis yang diambil dengan mikroskop yang dilengkapi dengan kamera CCTV berwarna 640 x 480 piksel (kamera VGA) dengan perbesaran objek pada lensa objektif 40x dan perbesaran lensa okuler 100x. 5. Software yang digunakan Matlab R2008b 1.4 Tujuan Adapun tujuan yang akan dicapai dalam tugas akhir ini yaitu sebagai berikut : 1. Menentukan untuk mengidentifikasi bakteri tuberculosis secara otomatis dengan menggunakan teknik pengolahan
2 citra digital melalui pengembangan perangkta lunak. 2. Menentukan adanya bakteri tuberculosis dari dua agoritma yaitu algoritma color processing dan shape processing dari Artificial Neural Network (Backpropagation) untuk mengidentifikasi bakteri tuberculosis. 1.5 Metodologi Penelitian Adapun metodologi yang digunakan dalam tugas akhir ini adalah : 1. Perumusan masalah Menentukan hal-hal yang akan menjadi topik permasalahan pada penelitian. 2. Studi literatur Studi literatur dilaukan untuk melakkan pemahaman terhadap permasalahan yang diangkat dalam penelitian. Dan juga sebagai dasar pemahaman menganalisis proses yang terjadi citra bakteri tuberculosis. 3. Menentukan data input. Ditentukan data input berupa citra digital dari bakteri tuberculosis yang akan diidentifikasi. 4. Melakukan pengolahan citra berdasar ciri morfologi dan warna. Pengolahan dilakukan untuk mendapatkan ekstrak citra bakteri tuberculosis, sehingga pemodelan identifikasi dapat dilakukan. 5. Menentukan eksekusi dari variable input. Setelah diperolah ekstrak data dari citra bakteri tuberculosis, maka dengan metode jaringan syaraf tiruan dapat diteentukan bakteri tuberculosis tersebut. 6. Program perangkat lunak Matlab R2008b Setelah mendapatkan bentuk eksekusi dari variable input, maka dengan menginptkan nilai-nilai tersebut akan terinterpretasi nilai distribusi outputnya pada perangkat lunak Matlab R2008b 7. Analisa data dan pembahasan. Studi analisis ini dilakukan untuk mencari jawaban antara kesesuaian hasil perhitungan manual dengan hasil menggunakan program komputer. 8. Penyusunan laporan akhir. II. DASAR TEORI 2.1 Bakteri Tuberculosis Gambar 2.1 Bakteri (Palomino, JC 2008) Pada tahun 1990 macam-macam pembentuk genetic Mycobacterium tuberculosis bisa teridentifikasi (Kremer. 1999). Tuberculosis yang disingkat TB untuk tubercle bacillus atau Tuberculosis berasal dari kata tuberculosa. Tuberculosis adalah penyakit manular secara langsuang yang disebabkan oleh kuman TBC yaitu mycobacterium tuberculosis. Bakteri tuberculosis merupakan satu dari tiga penyebab kematian didunia dibandingkan dengan bakteri yang lain (Corbett. 2003). Tuberculosis bisa menyerang semua bagian tubuh manusia, dan yang paling rentan adalah menyerang paru-paru (90%) yang disebut pulmonary tuberculosis (Raviglione dan O brien. 2004). Dapat juga berakibat pada sistem nervous central, sistem kelenjar getah bening, sistem sirkulasi, sistem genital, sistem gastrointestinal, tulang, dan juga kulit. Mycobacteria yang lain seperti mycobacterium bovis, mycobacterium africanum, mycobacterium canetti, dan mycobacterium microti juga penyebab penyakit tuberculosis. 2.2 Citra Citra Analog Citra atau image merupakan gambar pada bidang dua dimensi. Citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek yang merupakan fungsi continue dari intensitas cahaya pada bidang dua dimensi Citra Digital Citra digital adalah citra analog yang diubah dalam bentuk diskrit, dalam korrdinat ruang maupun intensitas cahayanya. Pengolahan digitalisasi terdiri dari dua proses yaitu pencuplikan posisi, dan kuantisasi intensitas. Citra digital dapat dinyatakan dalam bentuk matriks dua dimensi f (x,y), dimana x dan y adalah koordinat piksel dalam matriks dan f adalah derajat intensitas piksel tersebut. Citra digital yang dinyatakan bentuk matriks dengan ukuran M x N tersusun sebagai berikut : f (0,0) f (0,1) f (0,2) L f (0, N 1) f (1,0) f (1,1) f (1,2) L f (1, N 1) f (2,0) f (2,1) f (2,2) L f (2, N 1) M M M O M f ( M 1,0) f ( M 1,1) f ( M 1,2) L f ( M 1, N 1) Citra f (x,y) dalam fungsi matematis dituliskan dalam persamaan sebagai berikut : 0 x M-1 0 y N-1 0 f(x,y) G-1 dimana : M = banyaknya baris dalam array citra
3 N = banyaknya kolom pada array citra G = derajat keabuan atau intensitas warna (graylevel) Interval (0,G) disebut skala kebuan (grayscale). Besar G tergantung pada proses digitalisasi yang dilakukan. Kebuan 0 (nol) menyatakan intensitas hitam dan G menyatakan intensitas putih. Jaringan Syaraf Jaringan Syaraf Tiruan Jaringan syaraf tiruan (JST) adalah salah satu algoritma pembelajaran mesin yang meniru cara kerja jaringan syaraf biologi. Jaringan syaraf tiruan (artificial neural network) merupakan jaringan dari banyak unit pemroses kecil (yang disebut neuron) yang masingmasing melakukan proses sederhana, yang ketika digabungkan akan menghasilkan perilaku yang kompleks. Grafik 2.3 Fungsi Binary Step (Sordo, Margarita.2002) c. Fungsi Sigmoid Fungsi sigmoid terbagi menjadi dua macam yaitu binary sigmoid dan bipolar sigmoid. Fungsi binary sigmoid digambarkan dalam persamaan : 1 f ( x) = 1 + e x Sedangkan fungsi bipolar sigmoid yang sangat berhubungan dengan fungsi hyperbolic tangent. Dimana fungsi hyperbolic tangent adalah : e f ( x) = e x x e + e x x Gambar 2.3 Sebuah JST Sederhana. Fungsi aktifasi digunakan untuk menentukan output suatu neuron pada JST. Argument fungsi aktifasi adalah net input (kombionasi liner input dan bobotnya). Jika net = Σ x i w i, maka fungsi aktifasinya adalah f (net) = (Σ x i w i ). Beberapa fungsi aktifasi yang sering digunakan (Fausett.1994) adalah sebagai berikut : a. Fungsi Identitas f (x) = x Fungsi identitas sering dipakai apabila output jaringan ynag diinginkan berupa sembarang bilangan riil. f (x) Grafik 2.2 Fungsi identitas x (a) (b) Grafik 2.4 (a) fungsi binary sigmoid (b) fungsi hyperbolic tangent (Sordo, Margarita.2002). Dalam jaringan dapat ditambahkan sebuah unit input yang nilainya selalu 1. unit tersebut disebut bias yang dapat dipandang sebagai sebuah input yang nilainya 1. bias berfungsi untuk mengubah nilai threshold menjadi = 0 (bukan = θ ). jika melibatkan bias, maka output keluaran unit penjumlah adalah net = b + i x i w i Fungsi aktifasi threshold menjadi : 1 jika net x θ f (x) = -1 jika net x< θ b. Fungsi Binary Step ( dengan threshold θ ) 1 jika x θ f (x) = 0 jika x < θ Untuk beberapa kasus, fungsi ini dibuat untuk tidak bernilai 0 dan 1, tetapi bernilai 1 dan -1 yang disebut sebagai fungsi tthreshold bipolar, sehingga 1 jika x θ f (x) = -1 jika x < θ
4 3.3 Metodologi Penelitian Metodologi yang digunakan pada Tugas Akhir ini adalah sebagai berikut : Mul Menentukan Masalah, Tujuan, Studi Literatur perangkat lunak yang telah dibuat (Testing set) dan dengan cara manual untuk menentukan tingkat keakurasian pengidentifikasian bakteri tuberculosis dengan menggunakan perangkat lunak yang telah dibuat. Persamaan yang digunakan untuk penentuan besarnya error hasil pengenalan bakteri tuberculosis dengan menggunakan perangkat lunak adalah sebagai berikut : Pengambilan Data Bakteri Perancangan Perangkat Perba Uji Perangkat Lunak Tid Ya Analisa data Sele Gambar 3.1 Diagram alir metodologi penelitian Sementara untuk mendapatkan besarnya akurasi dapat dihitung melalui : Hasil Data hasil preprocessing Konversi tipe citra grayscale ke Cie L*a*b Sebelum dilakukan proses pemisahan warna bakteri tuberculosis dan pengenalan morfologi, citra asli dengan format RGB tipe JPG dikonversi dulu ke format CIE L*a*b Perancangan Perangkat Lunak Pada perancangan perangkat lunak menggunakan software Matlab R2008b. Dalam perancangan perangkat lunak ini dilakukan langkah seperti pada gambar 3.2 (a) (b) Tidak Ya Mulai Citra Digital Bakteri Tuberculosis (Akuisisi Citra) Pemrosesan Awal Operasi Warna Operasi Morfologi Pengenalan Citra Bakteri Selesai Gambar 3.2 Diagram alir perangkat lunak Validasi Perangkat Lunak Pada proses ini akan diuji tingkat keakuratan pengenalan bakteri tuberculosis. Dengan menggunakan Ya Tidak Gambar 4.2 (a) Citra bakteri RGB (b) Citra bakteri L*a*b Dari gambar hasil konversi dari citra RGB ke citra Cie L*a*b dihasilkan gambar yang berbeda, pada citra RGB komponen pembentuk warna citra ada 3 bagian, yaitu komponen warna R, mengartikan warna merah, komponen warna G, mengartikan warna hijau, dan komponen warna B, mengartikan warna biru. Sedangkan pada citra L*a*b hanya memiliki 2 komponen pembentuk warna, yaitu kompoen a dan komponen b, sedangkan L adalah mengartikan luminasi Hasil operasi citra bakteri tuberculosis Removing warna selain bakteri Proses ini adalah proses pemisahan warna bakteri. Pemisahan warna bakteri tuberculosis dengan noise dan background dilakukan dengan menghilangkan warna selain bakteri tuberculosis.
5 Menghilangkan warna dahak pada background untuk memudahkan proses selanjutnya, yaitu pada proses labelling. Pada proses pembalikan ini, nilai warna dalam bentuk tresholding yang mempunyai nilai 1 dikonversi menjadi nilai 0, sebaliknya yang bernilai 0 dikinversi menjadi 1. Gambar 4.3 Hasil removing warna noise pada Pada gambar 4.3 terlihat bahwa warna dahak (biru) sebagai noise berhasil dihilangkan. Tipe citra bakteri ini merupakan citra RGB yang dikonversi ke tipe citra CieL*a*b. Grayscale Sebelum menghilangkan warna background, maka dilakukan proses grayscale, yaitu proses untuk membuat warna menjadi skala keabuan. Gambar 4.6 Citra hasil proses pembalikan warna treshold Dari gambar 4.6 menunjukkan hasil citra proses pembalikan warna tresholding, yaitu proses dimana citra bakteri tuberculosis berwarna putih, sedangkan warna backgrund berwarna hitam Pelabelan Pada proses pelabelan warna objek akan dirubah menjadi banyak warna seperti pada gambar 4.7 Gambar 4.4 Citra Grayscale Dari gambar tersebut ( Gambar 4.4 ) terlihat gambar hasil proses grayscale. Pada proses ini citra berwarna diubah menjadi citra dengan skala keabuan. Citra grayscale merupakan citra dengan skala warna keabuan dengan nilai antara Tresholding Input dari proses ini adalah gambar citra yang sudah melalui pemrosesan awal dan proses warna. Sedangkan nilai ambang thresholding yang dilakukan pada proses ini sebesar 0.7 (70 persen dari nilai 255). Sehingga dari proses ini masing-masing pixel citra dengan intensitas dengan nilai 255 sampai 65 persen dari 255 akan diubah menjadi nilai 1 sedangkan yang lainya diubah menjadi nilai 0. Pada proses thresholding menentukan ROI. Gambar 4.5 Citra hasil tresholding Pembalikan warna tresholding Proses ini bertujuan untuk mendapatkan nilai putih pada warna bakteri tuberculosis dan warna hitam Gambar 4.7 Citra proses labeling Gambar 4.8 Citra hasil proses labelling Dari hasil proses labelling terlihat pada gambar 4.8. Pada objek bakteri tuberculosis diberi nomor (label). Untuk labelling ini bertujuan untuk mendapatkan nomor pada objek untuk selanjutnya dapat diproses pada metode jaringan syaraf tiruan dengan memanfaatkan algoritma backpropagation. Dari hasil tersebut merupakan scanning per piksel dari yang paling kiri atas dilanjutkan kebawah, sehingga urutan penomorannya berurutan dari kiri ke kanan. Hasil dari proses preprosesing, selanjutnya digunakan sebagai input jaringan syaraf tiruan. Database hasil tersebut berupa matrix biner 20 x 20 yang kemudian di transpose, sehingga menjadi 1 x 400. Hasil tersebut dapat dilihat pada gambar 4.10
6 kemampuan jaringan mencapai error atau nilai MSE yang diinginkan. Gambar 4.9 Matrix hasil preprosesing Algoritma Backpropagasi Pembentukan jaringan Untuk tahap training set, input merupakan 52 citra database (matrik 400 x 238) sehingga atsitektur jaringan memilki struktur dengan rincian : 238 input layer : terdiri dari 3600 unit. 1 hidden layer : terdiri dari 1 output layer : terdiri dari 238 unit Untuk pemilihan jumlah hidden layer dilakukan secara acak untuk mendapatkan nilai MSE yang paling kecil, sehingga bisa dikatakan memiliki performansi yang baik. Untuk mendapatkan nilai MSE yang kecil, maka dilakukan training set sebanyak 10 kali dengan jumlah hidden layer yang berbeda yang terdiri dari 110, 112, 114, 120, 130, 134, 136, 140, 145, dan 150. Data hasil training JST Proses training pada JST merupakan subprogram training set yang berfungsi untuk melatih program supaya dapat mengenali ciri bakteri tuberculosis dengan menggunakan jaringan syaraf tiruan. Jaringan yang terbentuk dari proses pelatihan akan digunakan dalam Test set. No Unit hidden Epochs MSE No Unit Akurasi (%) hidden layer Tabel 4.2 Hasil akurasi dengan jumlah hidden layer III. REFERENSI [1] Palomino, Leao, Ritacco Tuberculosis. Brazil. [2] Bakti Husada Pedoman Nasional Penanggulangan Tuberculosis. Departemen Kesehatan Republik Indonesia. [3] Fausett,L Fundamentals of Neural Network, Architecture, Algorithms, and Applications. Prentice Hall. [4] Gonzales,R.C. and Woods,R.E Digital Image Processing with Matlab 2 nd ed. Upper Saddle River, NJ: Prentice Hall. [5] Muis, Saludin Teknik Jaringan Syaraf Tiruan. Yogyakarta: ANDI. [6] Siang, Jong Jek Jaringan syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta : ANDI. [7] The MathWorks Inc Image Processing Toolbox 6 User Guide. [8] Wijaya. Marvin CH Pengolahan Citra Digital menggunakan Matlab. Bandung: Informatika. Tabel 4.1 Jumlah epochs dan jumlah MSE yang didapatkan berdasarkan jumlah unit hidden layer. Dari hasil pelatihan jaringan dengan 5 variasi jumlah hidden layer yang berbeda didapatkan nilai MSE dan banyaknya epochs yang berbeda pula. Banyaknya epochs pada tahap pelatihan jaringan di pengaruhi oleh
SEMINAR TUGAS AKHIR ATMISYA WIYANTI NRP Dosen Pembimbing Dr.rer.nat.Ir. Aulia M.T. Nasution, M.Sc. Suyanto,ST.MT
SEMINAR TUGAS AKHIR ATMISYA WIYANTI NRP 2404 100 032 Dosen Pembimbing Dr.rer.nat.Ir. Aulia M.T. Nasution, M.Sc. Suyanto,ST.MT JURUSAN TEKNIK FISIKA Fakultas Teknologi Industri Institut Teknologi Sepuluh
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 terperinciBAB 1 PENDAHULUAN Latar belakang masalah
BAB 1 PENDAHULUAN 1.1. Latar belakang masalah Saluran pernapasan pada manusia terdiri dari rongga hidung, faring, laring, trakea, percabangan bronkus dan paru-paru (bronkiolus, alveolus). Paru-paru merupakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih 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 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 terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
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 terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
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 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 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 terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
Lebih 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 terperinciPENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK
PENGENALAN POLA HURUF ROMAWI DENGAN JARINGAN SARAF TIRUAN PERSEPTRON LAPIS JAMAK Eko Budi Wahyono*), Suzuki Syofian**) *) Teknik Elektro, **) Teknik Informatika - Fakultas Teknik Abstrak Pada era modern
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciBAB 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 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 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 terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Sistem Neural Network di Matlab Gambar 3.1 Blok Diagram Perancangan Sistem Neural network 3.1.1 Training Neural Network Untuk pelatihan neural network penulis lebih
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk
Lebih 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 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 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 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 terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciBAB 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 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 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 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 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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Plat nomor kendaraan bermotor merupakan ciri atau tanda pengenal suatu kendaraan yang diberikan oleh kepolisian. Setiap plat nomor kendaraan memiliki kombinasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciGRAFIK KOMPUTER DAN PENGOLAHAN CITRA. WAHYU PRATAMA, S.Kom., MMSI.
GRAFIK KOMPUTER DAN PENGOLAHAN CITRA WAHYU PRATAMA, S.Kom., MMSI. PERTEMUAN 8 - GRAFKOM DAN PENGOLAHAN CITRA Konsep Dasar Pengolahan Citra Pengertian Citra Analog/Continue dan Digital. Elemen-elemen Citra
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciPENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN. Sudimanto
Media Informatika Vol. 14 No.3 (2015) Abstrak PENGKONVERSIAN IMAGE MENJADI TEKS UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN Sudimanto Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan merupakan hal yang sangat penting bagi makhluk hidup, khususnya manusia. Dengan kondisi tubuh yang sehat, maka kita dapat melakukan aktifitas kita dengan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Identifikasi Cacat Peluru dengan Menggunakan Pengolahan Citra Digital Berbasis Learning Vector Quantization (LVQ) Angger Gusti Z dan Dwi Ratna S
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Oleh : ACHMAD FAUZI ARIEF 1203 109 007 Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN
PERANCANGAN SOFTSENSOR KADAR GAS BUANG PADA STACK HASIL KELUARAN HRSG (HEAT RECOVERY STEAM GENERATOR) DENGAN METODE JARINGAN SYARAF TIRUAN Oleh : Hera Firdhausa Katili 2409100073 Dosen Pembimbing : Dr.
Lebih terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciEKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Angga Sukma Prinata 3 Adiwijaya 12 Departemen Teknik Informatika
Lebih terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciBAB II DASAR TEORI. luar dan daging iga sangat umum digunakan di Eropa dan di Amerika Serikat
6 BAB II DASAR TEORI 2.1. Daging Sapi dan Daging Babi 2.1.1.Daging Sapi Daging sapi adalah daging yang diperoleh dari sapi yang biasa dan umum digunakan untuk keperluan konsumsi makanan. Di setiap daerah,
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 terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB II LANDASAN TEORI
5 BAB II LANDASAN TEORI 2.1. Citra Digital Citra digital dapat didefenisikan sebagai fungsi f(x,y) yaitu dua dimensi, dimana x dan y merupakan koordinat spasial dan f(x,y) disebut dengan intensitas atau
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 terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
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 terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Nama Mahasiswa : Achmad Fauzi Arief NRP : 03 09 007 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom Abstrak
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only. BAB I PENDAHULUAN
1 BAB I PENDAHULUAN I.1 Latar Belakang Perkembangan teknologi khususnya komputer beberapa tahun terakhir ini sangat pesat. Pesatnya perkembangan juga dirasakan di berbagai disiplin ilmu termasuk kedokteran.
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
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 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 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 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 terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
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 terperinciKlasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt
Klasifikasi Kualitas Keramik Menggunakan Metode Deteksi Tepi Laplacian of Gaussian dan Prewitt Ardi Satrya Afandi Fakultas Teknologi Industri Universitas Gunadarma Depok, Indonesia art_dhi@yahoo.com Prihandoko,
Lebih terperinciBAB II NEURAL NETWORK (NN)
BAB II NEURAL NETWORK (NN) 2.1 Neural Network (NN) Secara umum Neural Network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. NN ini merupakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Citra (image) atau yang secara umum disebut gambar merupakan representasi spasial dari suatu objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis dalam
Lebih terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciPENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN
Volume 07/ No03/ Oktober-Desember/ 2009 PENENTUAN MORFOLOGI SEL DARAH MERAH (ERITROSIT) BERBASIS PENGOLAHAN CITRA DAN JARINGAN SYARAF TIRUAN Elly Warni Jurusan Teknik Elektro Universitas Hasanuddin ly_warni@yahoocom
Lebih terperinciIDENTIFIKASI 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 terperinciPOSITRON, Vol. IV, No. 2 (2014), Hal ISSN :
Modifikasi Estimasi Curah Hujan Satelit TRMM Dengan Metode Jaringan Syaraf Tiruan Propagasi Balik Studi Kasus Stasiun Klimatologi Siantan Fanni Aditya 1)2)*, Joko Sampurno 2), Andi Ihwan 2) 1)BMKG Stasiun
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciAnalisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia Muhammad Ulinnuha
Lebih terperinci