BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
|
|
- Hamdani Oesman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi informasi yang semakin pesat berdampak pada terjadinya penurunan substansial dalam biaya penyimpanan data, peningkatan pesat dalam kinerja komputer, dan semakin populernya jaringan komputer. Hal tersebut berdampak pada terjadinya produksi data mentah dan informasi dalam volume besar yang dilakukan setiap hari dan dimana pun. Sejumlah besar data tersebut telah menyebabkan berkembangnya teknik pengolahan data yang berguna untuk data clustering atau data mining (Chi dan Yang, 2008). Clustering sebagai salah satu teknik pengenalan pola yang populer dan telah digunakan dalam berbagai bidang, seperti web mining, machine learning, segmentasi citra dan pengenalan biometrik, teknik elektro, teknik mesin, penginderaan jauh, dan genetika (Gu dan Lu, 2012). Clustering merupakan salah satu isu penelitian yang paling penting dalam domain data mining dan sangat berguna untuk banyak aplikasi, seperti pemasaran, teknik industri, biologi, kedokteran, dan image processing (Yang dan Chi, 2005). Clustering adalah pembagian data ke dalam kelompok homogen yang disebut cluster. Setiap kelompok terdiri dari objek yang memiliki kesamaan yang lebih besar antara objek lain dalam kelompoknya sendiri dibandingkan dengan objek dalam kelompok lain (Gu dan Lu, 2012). Permasalahan yang banyak ditemui dalam clustering adalah untuk menentukan jumlah k cluster yang paling tepat atau masalah pemilihan model cluster (Cabanes dan Bennani, 2010). Usaha dalam melakukan perbaikan model cluster, seperti jumlah cluster yang optimal dan hasil clustering yang paling baik masih terus dilakukan karena metode yang dikembangkan sekarang masih bersifat heuristik. (Santosa, 2007). Saat ini telah banyak algoritma clustering baru yang diciptakan dengan menggabungkan metode statistik tradisional dengan Artificial Intelligence (AI), seperti neural network, algoritma genetika, teori himpunan fuzzy, dan evolutionary programming (Chi dan Yang, 2008). 1
2 2 Pendekatan umum dari algoritma clustering adalah untuk menemukan pusat cluster yang akan mewakili setiap kelompok. Sebuah pusat cluster merupakan sebuah cara untuk mengatakan dimana letak titik pusat dari setiap cluster. Pusat cluster memungkinkan pengukuran kesamaan antara data dengan semua pusat cluster sehingga dapat menentukan cluster yang terdekat atau paling mirip. Beberapa algoritma clustering mengandalkan penentuan jumlah cluster terlebih dahulu. Dalam hal ini, algoritma mencoba untuk mengelompokkan data ke dalam sejumlah cluster tertentu. Beberapa contoh algoritma tersebut adalah K-means (Abdullah dan Feranie, 2008) dan Fuzzy C-Means (Abdullah dan Feranie, 2008). Dalam banyak aplikasi dunia nyata, dapat terjadi overlapping cluster karena sebuah data secara hakikatnya dapat menjadi anggota dari lebih dari 1 (satu) cluster, sebagai contoh seorang pengguna menjadi anggota dari beberapa komunitas di social network (Bonchi et al, 2011). Problem tersebut tidak dapat ditangani oleh hard clustering karena dilakukan pengelompokkan dimana setiap titik hanya menjadi milik dari dan hanya 1 (satu) cluster (Rokach dan Maimon, 2005). Permasalahan tersebut dapat diatasi dengan menggunakan fuzzy clustering (Oliveira dan Pedrycz, 2007). Pada pendekatan fuzzy clustering, setiap titik dihubungkan pada setiap cluster dengan membership function dimana setiap cluster merupakan himpunan fuzzy dari semua titik. Semakin besar membership function sebuah titik pada suatu cluster menunjukkan semakin tinggi tingkat kepercayaan titik tersebut menjadi anggota pada sebuah cluster (Rokach dan Maimon, 2005). Salah satu algoritma clustering yang menerapkan konsep neural network adalah Self-Organizing Map (SOM). SOM merupakan implementasi dari jaringan syaraf tiruan yang sangat bagus dan populer untuk berbagai tujuan yang berbeda termasuk clustering dan visualisasi data berdimensi tinggi (Luo dan Tang, 2010). Secara umum, algoritma clustering mencoba untuk mengelompokkan data dengan memaksimalkan jarak antar cluster dan meminimalkan jarak intra-cluster (Berry dan Linoff, 1996) (Musdholifah dan Hashim, 2010) tetapi SOM melakukan pengelompokan dengan sifat yang sedikit berbeda. SOM dapat dianggap sebagai proyeksi yang mempertahankan hubungan ketetanggaan dalam data (Sarlin dan Eklund, 2011). Keuntungan menggunakan SOM adalah ketahanannya terhadap
3 3 data noise, yaitu outlier yang mengganggu hasil karena mempengaruhi variansi dari data (Silva dan Marques, 2010). Kelemahan yang dimiliki pada SOM adalah keharusan untuk mendefinisikan struktur jaringan saraf dan jumlah neuron pada lapisan Kohonen (Morkris dan Forgac, 2004) (Engelbrecht, 2007). Fuzzy Subtractive Clustering (FSC) dapat memecahkan permasalahan SOM tersebut dengan menggunakan titik data sebagai calon pusat cluster (Abdullah dan Feranie, 2008). Pada algoritma FSC, titik data dengan potensi tertinggi yang merupakan fungsi dari pengukuran jarak akan dianggap sebagai pusat cluster (Sastria et al, 2008). Konsep dasar dari subtractive clustering adalah menentukan daerah-daerah dalam suatu variabel yang memiliki densitas tinggi terhadap titiktitik selanjutnya. Titik dengan jumlah tetangga terbanyak akan dipilih sebagai pusat cluster (Kusumadewi dan Purnomo, 2004). Selain menggabungkan metode statistik tradisional dengan AI, penelitian mengenai clustering yang banyak diteliti adalah menggabungkan lebih dari satu algoritma clustering (two level clustering atau two stage clustering). Two level clustering menggabungkan baik metode hierarchical clustering konvensional dengan metode partitioning clustering (Chi dan Yang, 2008). Dalam penelitian yang dilakukan oleh Chi dan Yang (2008) dikatakan bahwa tujuan penggunaan two level clustering adalah untuk memperbaiki kelemahan utama dari metode partitional clustering, seperti K-means atau Fuzzy C-Means (FCM). Metode tersebut memiliki kepekaan terhadap prototipe awal dan kesulitan untuk menentukan jumlah cluster k yang sesuai. Beberapa penelitian menggunakan SOM pada two level clustering (Chi dan Yang, 2008) (Souza et al, 2009) (Sarlin dan Eklund, 2011) (Tarek dan Farouk, 2011). SOM digunakan pada level pertama untuk visualisasi data dengan mereduksi dimensi data yang akan dikelompokkan. Hasil reduksi dimensi data atau protocluster kemudian menjadi data pada algoritma clustering lainnya yang diimplementasikan pada level kedua (Cabanes dan Bennani, 2010). Sejauh ini belum ditemukan penelitian yang menerapkan SOM pada level yang kedua. Pada penelitian ini diusulkan penggunaan Fuzzy Subtractive Clustering (FSC) dan Self-Organizing Map (SOM) untuk two level clustering. FSC pada awalnya
4 4 akan digunakan untuk mencari jumlah cluster yang ideal dari data yang akan dikelompokkan. FSC kemudian mencari data yang memiliki densitas tertinggi yang berpotensi untuk menjadi pusat cluster. Hasil dari FSC yang berupa jumlah cluster dan nilai titik pusat setiap cluster kemudian akan menjadi jumlah neuron dan nilai bobot awal pada lapisan Kohonen di SOM. SOM kemudian melakukan proses update bobot sehingga bobot yang dihasilkan dapat menjadi pusat cluster yang ideal dan diharapkan dapat meningkatkan kualitas dari FSC karena telah melalui 2 (dua) kali proses pembelajaran yaitu pada tahap FSC merupakan data yang memiliki densitas tinggi dan penyesuaian bobot dalam SOM. 1.2 Rumusan Masalah Berdasarkan latar belakang yang telah dipaparkan sebelumnya, maka dapat diperoleh rumusan masalah sebagai berikut: 1. Bagaimana meningkatkan kualitas hasil clustering Fuzzy Subtractive Clustering dengan memperbaiki pusat cluster yang dihasilkan? 2. Apakah terdapat pengaruh kualitas hasil clustering dari two level clustering dengan Fuzzy Subtractive Clustering dan Self-Organizing Map jika dibandingkan dengan one level clustering? 1.3 Batasan Masalah Batasan masalah dari penelitian ini adalah sebagai berikut: 1. Untuk pengujian hasil clustering menggunakan dataset yang diperoleh dari UCI Machine Learning Repository, yaitu Iris (jenis tanaman iris), Wine (hasil analisis kimia dari anggur yang tumbuh pada daerah di Italia), Glass (data penyelidikan kriminologi), Wisconsin Diagnostic Breast Cancer, Contraceptive Method Choice, Yeast (data lokasi protein pada bakteri ragi), Optical Digit (hasil ekstraksi bitmaps tulisan tangan), Statlog (nilai multi-spektral dalam citra satelit), Thyroid (data pasien thyroid), dan Magic Gamma (simulasi pencatatan partikel gamma berenergi tinggi pada atmosfer melalui teleskop Cherenkov).
5 5 2. Nilai r (jari-jari setiap atribut data), squash ratio, accept ratio, dan reject ratio yang digunakan dalam FSC disesuaikan untuk mencapai jumlah cluster yang dengan kualitas terbaik. 3. Pengukuran kualitas hasil clustering menggunakan 4 (empat) alat ukur yang terbagi menjadi 2 (dua) alat ukur kualitas eksternal, yaitu F-Measure dan entropy serta 2 (dua) alat ukur kualitas internal, yaitu Silhouette Index dan Dunn Index. 1.4 Keaslian Penelitian Berdasarkan hasil studi literatur yang telah dibaca dan ditinjau, penelitian mengenai clustering telah banyak dikembangkan dengan menggabungkan beberapa metode optimasi dan metode clustering, seperti ACO dan SOM atau metode clustering dan metode clustering yang lain (two level clustering), seperti SOM dan FCM. Pada penelitian two level clustering, SOM digunakan pada level pertama untuk mereduksi dimensi data yang dikelompokkan. Penggabungan metode Fuzzy Subtractive Clustering dan Self-Organizing Map belum pernah dilakukan sebelumnya. 1.5 Tujuan Penelitian Tujuan yang ingin dicapai dari penelitian ini adalah sebagai berikut: 1. Mengusulkan two level clustering dengan Self-Organizing Map memperbaiki pusat cluster yang dihasilkan oleh Fuzzy Subtractive Clustering. 2. Menganalisis dan mengevaluasi kualitas dan waktu eksekusi hasil clustering dari two level clustering dengan Fuzzy Subtractive Clustering dan Self- Organizing Maps dibandingkan dengan one level clustering. 1.6 Manfaat Penelitian Manfaat yang diharapkan dapat diperoleh dari penelitian ini adalah diharapkan penggunaan Fuzzy Subtractive Clustering dan Self-Organizing Map dalam algoritma two level clustering yang diusulkan dapat menjadi salah satu alternatif algoritma clustering.
6 6 1.7 Metodologi Penelitian Tahapan yang dilakukan dalam penelitian ini adalah studi literatur, perancangan algoritma clustering, implementasi algoritma clustering, pengujian algoritma clustering, analisis hasil clustering, dan penarikan kesimpulan. 1. Studi Literatur Pada tahapan studi literatur dilakukan pencarian dan pembacaan paper dan buku yang terkait dengan topik penelitian, masalah yang diangkat, dan penulisan resensi untuk paper dengan kasus yang serupa. Paper dan buku yang dibaca mengenai FSC, SOM, dan two level clustering yang menggunakan metode berbeda. 2. Perancangan Algoritma Clustering Pada tahap ini dilakukan perancangan algoritma two level clustering. Pada algoritma two level clustering yang dirancang, FSC terlebih dahulu dikerjakan pada tahap pertama yang kemudian dilanjutkan dengan SOM. 3. Implementasi dan Pengujian Algoritma Clustering Pada tahap ini, hasil perancangan algoritma FSC-SOM diimplementasikan ke dalam bentuk program. Program algoritma FSC-SOM kemudian diimplementasikan untuk melakukan clustering terhadap beberapa dataset yang diperoleh dari UCI Machine Learning Dataset. Proses clustering dilakukan sebanyak 50 kali untuk setiap dataset dengan metode clustering yang berbeda. 4. Analisis Hasil Clustering Pada tahap ini dilakukan perbandingan kualitas hasil clustering dari algoritma FSC-SOM dengan beberapa algoritma lain, yaitu algoritma FSC dan SOM. Kemudian dilakukan analisis terhadap hasil pengukuran kualitas cluster untuk setiap dataset yang diuji dengan alat ukur yang digunakan adalah F-measure, entropy, Silhouette Index, Dunn Index dan waktu eksekusi. 5. Penarikan Kesimpulan Pada tahap ini dilakukan penarikan kesimpulan untuk menjawab rumusan masalah penelitian dan memenuhi tujuan penelitian yang telah dijabarkan. Penarikan kesimpulan dilakukan berdasarkan analisis kualitas terhadap hasil clustering yang diperoleh.
7 7 1.8 Sistematika Penulisan Tesis ini berisi 7 (tujuh) bab dengan rincian setiap bab adalah sebagai berikut: Bab I Pendahuluan Bab ini berisikan uraian singkat tentang latar belakang dan permasalahan penelitian, rumusan masalah, batasan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan. Bab II Tinjauan Pustaka Bab ini berisi uraian penelitian-penelitian yang berkaitan dengan FSC dan SOM yang telah dilakukan sebelumnya dan dijadikan referensi dalam penelitian ini. Bab III Landasan Teori Bab ini berisi uraian teori-teori dasar berkaitan dengan metode dan alat ukur kualitas hasil yang digunakan dalam penelitian ini. Metode yang digunakan adalah FSC dan SOM sedangkan alat ukur yang digunakan adalah F-Measure, Entropy, Dunn Index, Silhoutte Index, dan standar deviasi. Bab IV Analisis dan Rancangan Sistem Bab ini berisi analisis terhadap metode FSC yang digunakan untuk mengatasi salah satu kelemahan SOM dalam penentuan jumlah neuron dan bobot neuron awal pada layer output. Perancangan yang diuraikan dalam bab ini adalah perancangan metode two level clustering, antar muka, dan evaluasi hasil clustering. Bab V Implementasi Bab ini berisi implementasi metode clustering dari hasil analisis dan perancangan ke dalam bahasa pemrograman. Bab VI Hasil dan Pembahasan Bab ini berisi penentuan nilai parameter yang digunakan, hasil clustering yang diperoleh, dan perbandingan kualitas, karakteristik, perubahan membership function, serta waktu eksekusi hasil clustering metode FSC, SOM, dan FSC-SOM. Bab VII Penutup Bab ini berisi kesimpulan yang diperoleh dari hasil penelitian dan saran untuk penelitian selanjutnya.
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Berdasarkan Peraturan Pemerintah Nomor 37 tahun 2009, dosen merupakan pendidik profesional dan ilmuwan dengan tugas utama mentransformasikan, mengembangkan,
Lebih terperinci1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah
1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Clustering merupakan sebuah teknik pemrosesan data yang digunakan untuk menemukan pola-pola tersembunyi pada kumpulan data (Žalik, 2008). Clustering telah
Lebih terperinciBAB I PENDAHULUAN. Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam manajemen informasi karena jumlah informasi yang semakin besar jumlahnya. Data mining sendiri
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saham adalah satuan nilai atau pembukuan dalam berbagai instrumen finansial yang mengacu pada bagian kepemilikan sebuah perusahaan. Pasar yang menyediakan tempat jual
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinciP E N D A H U L U A N Latar Belakang
KLASIFIKASI KEKERAPAN KUNJUNGAN LOKASI BERBASIS LOCATION BASED SERVICE (LBS) MENGGUNAKAN SELF-ORGANIZING MAP (SOM) Oleh : Dhanang Fitra Riaji (NRP : 2208205737) PROGRAM MAGISTER JURUSAN TEKNIK INDUSTRI
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi saat ini sangatlah pesat. Berbagai ragam jenis informasi dapat diakses dari berbagai jenis media. Image digital merupakan salah satu
Lebih terperinciTraining. Level Transformasi Wavelet. Banyak Fitur. Ukuran Dimensi. 0 40x x30 600
Citra asli Citra ya Inisialisasi: Topologi jaringan, Bobot awal, Lebar tetangga, Nilai laju awal pembelajaran Kriteria pemberhentian Training Error> -6 Epoch< 4 Alpha> HASIL DAN PEMBAHASAN Pada penelitian
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Kredit merupakan salah satu usaha sekunder yang dapat dilakukan untuk pemenuhan kebutuhan sehari-hari. Pada umumnya, proses kredit dapat dilayani melalui lembaga keuangan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Mobilitas adalah hal yang tidak dapat dipisahkan dalam gaya hidup masyarakat sekarang ini. Serangkaian aktifitas menuntut seseorang untuk berada di suatu tempat bahkan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciPEMETAAN SEBARAN MUTU PENDIDIKAN DASAR MENGGUNAKAN METODE SELF ORGANIZING MAPS
PEMETAAN SEBARAN MUTU PENDIDIKAN DASAR MENGGUNAKAN METODE SELF ORGANIZING MAPS Ahmad Mulla Ali Basthoh 1, Surya Sumpeno 2, dan I Ketut Eddy Purnama 3 Jurusan Teknik Elektro FTI, ITS, Surabaya Kampus ITS
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Curah hujan merupakan faktor yang berpengaruh langsung terhadap perubahan cuaca yang semakin memburuk. Curah hujan merupakan total air hujan yang terjatuh pada permukaan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Ketika disodori sejumlah data dari suatu obyek atau kejadian, apa yang bisa dilakukan terhadap data untuk menindaklanjutinya? Data perlu diolah untuk mendapatkan
Lebih terperinciKLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI
KLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan zaman, teknologi di bidang medis saat ini semakin berkembang. Teknologi sendiri sudah menjadi kebutuhan di segala bidang khususnya bidang biomedis.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Algorima Learning Vector Quantization yang dikembangkan oleh Kohonen merupakan metode pembelajaran terawasi (supervised learning) dan dikhususkan untuk klasifikasi
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-430
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-430 VISUALISASI SIMILARITAS TOPIK PENELITIAN DENGAN PENDEKATAN KARTOGRAFI MENGGUNAKAN SELF- ORGANIZING MAPS (SOM) Budi Pangestu,
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 terperinciPengelompokan Data DIPA Berbasis Penyerapan Anggaran Menggunakan Metode Self Organizing Map (SOM)
Pengelompokan Data DIPA Berbasis Penyerapan Anggaran Menggunakan Metode Self Organizing Map (SOM) Haerul Harun, I Ketut Eddy Purnomo 2, Eko Mulyanto Y. 3 Mahasiswa Jurusan Teknik Elektro, ITS, Surabaya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tanaman karet merupakan tanaman yang memiliki peran penting di bidang industri terutama sebagai bahan baku di bidang industri ban dan otomotif (Sinaga, 2011). Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perangkat keras dan perangkat lunak di era ini sangat mempengaruhi pola pemakaian komputer. Komputer dapat di program seolah-olah seperti manusia. Salah
Lebih terperinciBAB I PENDAHULUAN. Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai bidang untuk menyelesaikan masalah-masalah yang ada. Walaupun logika samar adalah
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciPerbandingan Metode SOM/Kohonen dengan ART 2 pada Data Mining Perusahaan Retail
Teknologi Elektro, Vol. 16, No. 02, Mei - Agustus 2017 55 Perbandingan Metode SOM/Kohonen dengan ART 2 pada Data Mining Perusahaan Retail Anak Agung Gede Bagus Ariana 1, I Ketut Gede Darma Putra 2, Linawati
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan air
Lebih terperinciDAFTAR ISI. KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i. DAFTAR TABEL... vi. DAFTAR GAMBAR... vii
DAFTAR ISI KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i DAFTAR TABEL... vi DAFTAR GAMBAR... vii BAB I PENDAHULUAN... Error! Bookmark not defined. 1.1 Latar Belakang... Error! Bookmark
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
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 terperinciBAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seperti halnya semua algoritma dalam pattern recognition pada real-world domain, Support Vector Machine juga selalu mengalami masalah pada tingginya dimensi data yang
Lebih terperinciBAB 2 Landasan Teori
BAB 2 Landasan Teori Pengenalan manusia secara otomatis menggunakan mesin merupakan masalah yang menantang dan telah menjadi banyak perhatian selama beberapa tahun terakhir. (Jawad, Syed, dan Farrukh,
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Setiap perusahaan dituntut untuk siap menghadapi persaingan yang semakin ketat dengan perusahaan lain. Makin intensifnya persaingan yang dihadapi, telah menyebabkan
Lebih terperinciBAB I PENDAHULUAN. 1 U n i v e r s i t a s T e l k o m
BAB I PENDAHULUAN 1.1 Latar Belakang Sapi merupakan hewan ternak yang dapat dikelompokkan menjadi dua bagian besar yaitu kelompok sapi tropis dan sub tropis. Sapi juga hewan ternak anggota family Bovidae
Lebih terperinci3. METODOLOGI. Penelitian dilakukan dalam tiga tahap utama : Persiapan, Evaluasi
3. METODOLOGI A. Kerangka Pemikiran Penelitian dilakukan dalam tiga tahap utama : Persiapan, Evaluasi dan Pembuatan Prototipe Sistem (Gambar 3.1). Tahap Persiapan terdiri dari pengumpulan dokumen, input
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah kemiskinan merupakan hal yang sangat kompleks. Di wilayah Kecamatan Bantul, seorang warga disebut sebagai keluarga miskin berdasarkan beberapa aspek seperti
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Data mining adalah proses mengeksplorasi dan menganalisis data dalam jumlah besar untuk menemukan pola dan rule yang berarti (Berry & Linoff, 2004). Klasifikasi adalah
Lebih terperinciCLUSTERING TRAFO DISTRIBUSI MENGGUNAKAN ALGORITMA SELF- ORGANIZING MAP
CLUSTERING TRAFO DISTRIBUSI MENGGUNAKAN ALGORITMA SELF- ORGANIZING MAP Tutik Khotimah Fakultas Teknik, Program Studi Teknik Informatika Universitas Muria Kudus Email: tutik.khotimah@umk.ac.id Abdul Syukur
Lebih terperinciPengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps
Pengelompokan Data Guru Untuk Pemilihan Calon Pengawas Satuan Pendidikan Menggunakan Metode Fuzzy C-Means dan Kohonen Self Organizing Maps Muslem 1, Eko Mulyanto Yuniarno 2, I Ketut Eddy Purnama 3 Magister
Lebih terperinciBAB I PENDAHULUAN. efektivitas dan efisiensi kerja tercapai. STIKOM Surabaya merupakan salah
BAB I PENDAHULUAN 1.1 Latar belakang masalah Solusi pemanfaatan teknologi komputer sebagai alat bantu dalam mendukung kegiatan operasional suatu bidang usaha memudahkan manusia dalam mendapatkan data atau
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian pesatnya, seperti penelitian segmentasi dokumen. Segmentasi dokumen membuat pengguna menjadi mudah
Lebih terperinciBAB I PENDAHULUAN. ke karakteristik tertentu pada manusia yang unik dan berbeda satu sama lain.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah keamanan (security) merupakan salah satu isu yang sangat penting akhir-akhir ini. Salah satu teknik yang diunggulkan bisa diterapkan untuk permasalahan tersebut
Lebih terperinciSEMINAR PROGRESS TUGAS AKHIR
SEMINAR PROGRESS TUGAS AKHIR PENGEMBANGAN SISTEM REKOMENDASI PEMINJAMAN BUKU BERBASIS WEB MENGGUNAKAN METODE SELF ORGANIZING MAP CLUSTERING PADA BADAN PERPUSTAKAAN DAN KEARSIPAN (BAPERSIP) PROVINSI JAWA
Lebih terperinciBAB I PENDAHULUAN I.1. Latar Belakang Masalah
BAB I PENDAHULUAN I.1. Latar Belakang Masalah Data mining merupakan sebuah proses ekstraksi untuk mendapatkan suatu informasi yang sebelumnya tidak diketahui dari sebuah data (Witten et al., 2011). Mempersiapkan
Lebih terperinciPENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA
Artikel Skripsi PENGKLASIFIKASIAN DATA SEKOLAH PENGGUNA INTERNET PENDIDIKAN MENGGUNAKAN TEKNIK CLUSTERING DENGAN ALGORITMA K-MEANS STUDI KASUS PT TELKOM SURABAYA SKRIPSI Diajukan Untuk Memenuhi Sebagian
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Berdasarkan data dari Kementerian Komunikasi dan Informasi Indonesia yang diperoleh dari Lembaga Riset Pasar E-Marketer, populasi pengguna internet tanah air pada tahun
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengenalan pola (pattern recognition) dapat diartikan sebagai proses klasifikasi dari objek atau pola menjadi beberapa kategori atau kelas. Dan bertujuan untuk pengambilan
Lebih terperinciBAB I PENDAHULUAN. diatur di dalam otak sebagai pengendali utama tubuh manusia. Otak manusia
BAB I PENDAHULUAN A. Latar Belakang Manusia telah diciptakaan oleh Tuhan dalam bentuk kesempurnaan. Salah satu ciptaan yang menakjubkan adalah otak manusia dimana semua kecerdasaan diatur di dalam otak
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Penelitian-penelitian terdahulu yang berhubungan dengan clustering yaitu penelitian yang dilakukan oleh Rismawan (2008). Pada penelitian ini, dibangun suatu
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penyimpanan dokumen secara digital berkembang dengan pesat seiring meningkatnya teknologi. Kondisi tersebut memunculkan masalah untuk mengakses informasi yang diinginkan
Lebih terperinciBAB 2 PENELITIAN TERKAIT DAN LANDASAN TEORI
BAB 2 PENELITIAN TERKAIT DAN LANDASAN TEORI 2.1 Penelitian Terkait Ada beberapa penelitian terkait dengan penggunaan Data Mining metode cluster dengan menggunakan Algoritma Fuzzy C-Means untuk dapat mengelompokkan
Lebih terperinciUCAPAN TERIMA KASIH. Perbandingan Metode SOM/Kohonen Dengan Adaptive Resonance Theory 2
UCAPAN TERIMA KASIH Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa atas segala rahmat dan hidayah-nya penulis dapat menyelesaikan tesis dengan judul Perbandingan Metode SOM/Kohonen Dengan Adaptive
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 terperinciGambar 1. Hop multi komunikasi antara sumber dan tujuan
Routing pada Jaringan Wireless Ad Hoc menggunakan teknik Soft Computing dan evaluasi kinerja menggunakan simulator Hypernet Tulisan ini menyajikan sebuah protokol untuk routing dalam jaringan ad hoc yang
Lebih terperinciBAB I PENDAHULUAN. beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang
BAB I PENDAHULUAN A. Latar Belakang Kanker paru telah menjadi salah satu kanker yang sering terjadi dalam beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang tak terkendali pada
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 21 Anatomi Ayam Pengetahuan tentang anatomi ayam sangat diperlukan dan penting dalam pencegahan dan penanganan penyakit Hal ini karena pengetahuan tersebut dipakai sebagai dasar
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Budi Susanto ANALISIS CLUSTER PADA DOKUMEN TEKS Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep analisis clustering Memahami tipe-tipe data dalam clustering Memahami beberapa algoritma
Lebih terperinci1.1 Latar Belakang. Universitas Indonesia
BAB 1 PENDAHULUAN Bab ini menjelaskan latar belakang penelitian tugas akhir, pernyataan permasalahan yang timbul dari latar belakang tersebut, tujuan penelitian, batasan masalah, manfaat penelitian, tahapan
Lebih terperinciSegmentasi pada Citra Panoramik Gigi dengan Metode Two-Stage SOM dan T-CLUSTER
Segmentasi pada Citra Panoramik Gigi dengan Metode Two-Stage SOM dan T-CLUSTER Khoirul Umam 1, Fidi Wincoko Putro 2, Gulpi Qorik Oktagalu Pratamasunu 3 Program Studi Magister Teknik Informatika, Jurusan
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 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Adapun penelitian terdahulu yang berkaitan dalam penelitian ini berjudul Penentuan Wilayah Usaha Pertambangan Menggunakan Metode Fuzzy K-Mean Clustering
Lebih terperinciALGORITMA FUZZY C-MEANS (FCM) UNTUK PENENTUAN NILAI CENTER RADIAL BASIS FUNCTION (RBF) PADA KLASIFIKASI DATA PENYAKIT KARIES GIGI
ALGORITMA FUZZY C-MEANS (FCM) UNTUK PENENTUAN NILAI CENTER RADIAL BASIS FUNCTION (RBF) PADA KLASIFIKASI DATA PENYAKIT KARIES GIGI Nur Astuti 1, Oni Soesanto, Dwi Kartini 3 1,3 Prodi Ilmu Komputer FMIPA
Lebih terperinciPEMANFAATAN METODE SELF ORGANIZING MAP PADA OPTIMASI MASALAH TRAVELLING SALESMAN PROBLEM
Jurnal Computech & Bisnis, Vol. 5, No. 2, Desember 2011, 95-102 ISSN Pemanfaatan 1978-9629 Metode Self Organizing Map...(Yulistian S, Irawan A) PEMANFAATAN METODE SELF ORGANIZING MAP PADA OPTIMASI MASALAH
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinciBAB V PENUTUP. Menggunakan Metode Fuzzy C-Means Clustering, dapat diambil kesimpulan
BAB V PENUTUP 5.1. Kesimpulan Dari serangkaian uji coba dan analisa yang telah dilakukan pada aplikasi Sistem Pendukung Keputusan Pengadaan Buku Perpustakaan STIKOM Surabaya Menggunakan Metode Fuzzy C-Means
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perkembangan teknologi juga diikuti dengan berkembangnya penggunaan berbagai situs jejaring sosial. Salah satu jejaring sosial yang sangat marak digunakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembentukan kelas belajar merupakan kegiatan rutin yang dilakukan oleh setiap sekolah pada setiap tahun ajaran baru. Pembentukan kelas biasanya dilakukan dengan membagi
Lebih terperinci(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST
(M.6) FUZZY C-MEANS CLUSTERING DENGAN ANALISIS ROBUST 1Nor Indah FitriyaNingrum, 2 Suwanda, 3 Anna Chadidjah 1Mahasiswa JurusanStatistika FMIPA UniversitasPadjadjaran 2Jurusan Statistika FMIPA Universitas
Lebih terperinci1. PENDAHULUAN. Perkembangan teknologi informasi, khususnya teknologi Internet. mudah dan gratis, mengakibatkan informasi berlimpah.
1. PENDAHULUAN A. Latar Belakang Perkembangan teknologi informasi, khususnya teknologi Internet sebagai wadah untuk dapat dengan mudah menyebarkan informasi secara mudah dan gratis, mengakibatkan informasi
Lebih terperinciANALISIS CLUSTER DAN DIAGNOSA PENYAKIT MENGGUNAKAN JARINGAN SYARAF TIRUAN
Prosiding FMIPA Universitas Pattimura 03 ISBN: 978-60-975-0-5 ANALISIS CLUSTER DAN DIAGNOSA PENYAKIT MENGGUNAKAN JARINGAN SYARAF TIRUAN Zeth Arthur Leleury, Henry Willyam Michel Patty Jurusan Matematika
Lebih terperinciAplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian
Aplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian Wiji Lestari, Singgih Purnomo STMIK Duta Bangsa Surakarta ABSTRAK Clustering adalah suatu metode
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ANALISIS CLUSTER PADA DOKUMEN TEKS Budi Susanto (versi 1.3) Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep analisis clustering Memahami
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rentannya kesalahan yang dapat terjadi oleh pekerjaan yang dilakukan oleh manusia dalam menganalisa, atau ketika mencoba membangun relasi antar fitur yang berjumlah
Lebih terperinciFarah Zakiyah Rahmanti
Farah Zakiyah Rahmanti Latar Belakang Struktur Dasar Jaringan Syaraf Manusia Konsep Dasar Permodelan JST Fungsi Aktivasi JST Contoh dan Program Jaringan Sederhana Metode Pelatihan Supervised Learning Unsupervised
Lebih terperinciBAB 1 PENDAHULUAN. berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (artificial intelligence) merupakan bidang yang berkembang pesat pada akhir-akhir ini mengingat perkembangan teknologi yang mengarah kepada bidang
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 terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinciBAB I PENDAHULUAN BAB I. PENDAHULUAN
BAB I PENDAHULUAN BAB I. PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Clustering merupakan proses pengelompokan data menjadi kelompokkelompok atau klaster sehingga data-data yang berada dalam satu klaster
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 terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Phalaenopsis atau yang biasa disebut dengan anggrek bulan mempunyai banyak jenis. Ada 26 jenis yang sudah dikenali di Indonesia. Anggrek dapat diklasifikasikan berdasarkan
Lebih terperinciPENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM)
PENDEKATAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MENGKLASIFIKASIKAN HEWAN VETEBRATA MENGGUNAKAN KOHONEN SELF ORGANIZING MAP (SOM) 1 Tursina 1 Prodi. Teknik Informatika, Fakultas Teknik, Universitas Tanjungpura
Lebih terperinciBAB 2 TINJAUAN PUSTAKA Klasifikasi Data Mahasiswa Menggunakan Metode K-Means Untuk Menunjang Pemilihan Strategi Pemasaran
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Beberapa penelitian terdahulu telah banyak yang menerapkan data mining, yang bertujuan dalam menyelesaikan beberapa permasalahan seputar dunia pendidikan. Khususnya
Lebih terperinciBAB I PENDAHULUAN. Maret hingga Agustus. Kondisi ini didukung oleh suhu rata-rata 21 0 C 36 0 C dan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kota Dumai merupakan salah satu dari 12 Kabupaten/Kota di Provinsi Riau. Kota Dumai sangat dipengaruhi oleh iklim laut. Musim hujan jatuh pada bulan September hingga
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN SOM (SELF ORGANIZING MAPS) ARTIKEL SKRIPSI
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN SOM (SELF ORGANIZING MAPS) ARTIKEL SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Teknik
Lebih terperinciJURNAL PENGELOMPOKAN SKRIPSI MENGGUNAKAN SELF ORGANIZING MAPS CLUSTERING (STUDI KASUS : PRODI TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI)
JURNAL PENGELOMPOKAN SKRIPSI MENGGUNAKAN SELF ORGANIZING MAPS CLUSTERING (STUDI KASUS : PRODI TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI) CLASSIFICATION OF THESIS USING SELF ORGANIZING MAPS CLUSTERING
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Fakultas
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 I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciUCAPAN TERIMA KASIH. Perbandingan Metode SOM/Kohonen Dengan Adaptive Resonance Theory 2
UCAPAN TERIMA KASIH Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa atas segala rahmat dan hidayah-nya penulis dapat menyelesaikan tesis dengan judul Perbandingan Metode SOM/Kohonen Dengan Adaptive
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Pola Pengenalan pola (pattern recognition) adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur atau sifat
Lebih terperinciDATA MINING DAN WAREHOUSE A N D R I
DATA MINING DAN WAREHOUSE A N D R I CLUSTERING Secara umum cluster didefinisikan sebagai sejumlah objek yang mirip yang dikelompokan secara bersama, Namun definisi dari cluster bisa beragam tergantung
Lebih terperinciPEMETAAN PREFERENSI MAHASISWA BARU DALAM MEMILIH JURUSAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) DENGAN ALGORITMA SELF ORGANIZING MAPS (SOM)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 53-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMETAAN PREFERENSI MAHASISWA BARU DALAM MEMILIH JURUSAN MENGGUNAKAN
Lebih terperinciKLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK SKRIPSI. Oleh
KLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK SKRIPSI Oleh Muhammad Faisal 1401125912 Verra Irawati 1401141481 Muhammad Ihsan 1401141632
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciKLASIFIKASI BENTUK DAUN MENGGUNAKAN METODE KOHONEN ABSTRAK
KLASIFIKASI BENTUK DAUN MENGGUNAKAN METODE KOHONEN Safwandi. ST., M.Kom 1, Yenni Maulida, S.T ABSTRAK Penelitian ini menjelaskan tentang suatu metode klasifikasi bentuk daun berdasarkan input berupa bentuk
Lebih terperinciPenerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu niskaramadani@gmail.com ABSTRAK Pertumbuhan penduduk harus
Lebih terperinci