Hidden Markov Model II. Toto Haryanto
|
|
- Veronika Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Hidden Markov Model II Toto Haryanto
2 Termonologi dalam HMM Model dalam HMM ditulis sebagai Pernytaan P(O λ) bermakna peluang suatu observasi O jika diberikan model HMM λ Dengan λ : Model A : Matriks Transisi B : Matriks Emisi Π : Matriks Prority Pernytaan P(O S1,S2) bermakna peluang suatu observasi O jika diberikan model HMM λ dengan State S1,S1
3 Jenis Hidden Markov Model (HMM) Ergodic HMM P B Pada Ergodic HMM, suatu state diperkenankan Untuk dapat mengunjuni state manapun. Visualisasi Ergodic HMM dapay dilihat pada Gambar di samping H Left-Right (L-R) HMM Pada L-R HMM transisi terjadi ke state diriinya atau state lain yang unik P B H
4 Permasalahan dalam HMM 1. Diberikan model λ = (A, B, π), bagaimana menghitung P(O λ), yaitu kemungkinan ditemuinya rangkaian pengamatan O = O 1, O 2,..., O T. 2. Diberikan model λ = (A, B, π), bagaimana memilih rangkaian state I = i 1, i 2,...,i T sehingga P(O, I λ), kemungkinan gabungan rangkaian pengamatan O = O 1, O 2,..., O T dan rangkaian state jika diberikan model, maksimal. 3. Bagaimana mengubah parameter HMM, λ = (A, B, π) sehingga P(O λ) maksimal.
5 Solusi? Masalah (1) dikenal dengan istilah Evaluating Diselesaikan dengan prosedur yang dikenal dengan forwardbackward procedure (Rabiner 1989) Masalah (2) dikenal dengan istilah Decoding Diselesaikan dengan menggunakan algoritma Viterbi Masalah (3) dikenal dengan Istilah Learning Diselesaikan dengan menggunakan algoritma Baum-Welch
6 Teladan 1 Masalah 1 Anda dalam ruang terkunci. Berapa peluang dari cuaca pada hari jika diberikan status {P,B,P}, kemudian diketahui bahwa selama tiga hari tersebut office boy masuk ke dalam ruangan tidak pernah membawa payung. Dik : Peluang baik, q1,q2,q3 pertama kali terjadi masing-masing adalah 1/3 Today weather Tomorro s weather P H B P H B weather Dengan Payung Panas 0,1 0,9 Hujan 0,8 0,2 Berawan 0,3 0,7 Tanpa Payung
7 Penyelesaian Masalah 1 Pembuatan Model HMM P (P B P x 1 =TP,x 2 = TP, x 3 =TP) P(P) * P(TP P) * P(B P) * P(TP B) * P( P B) * P (TP P) = 1/3 * 0.9 * 0.15 * 0.7 * 0.2 * 0.9 = Pada kasus di atas state-nya sudah ditentukan. Bagaimana Jika kasusnya P (TP,TP,TP λ )? Artinya : Kita harus menghitung semua state obervasi (TP) untuk semua kemungkinan hidden state
8 Teladan 2 Masalah 1 Matriks Transisi (A) S1 S2 S S Matriks Transisi (B) I O S S Matriks Priority (Π) Dimesi Matrik Transisi (A) = MxM Dimensi Matriks Emisi (B) = M xn Dimensi Matriks Prior (Π) = M x 1 S1 0.3 S2 0.7
9 Teladan 2 (Masalah 1) Berdasarkan Model HMM λ, tentukan peluang untuk observasi sebagai berikut: a) P (II S1,S2) b) P (OO S2,S2) Jawab: a) Peluang bahwa observasi II pada state S1 kemudian S2 adalah mengalikan komponen sebagai berikut: P(S1)*P(I S1)*P(S2 S1)*P(I S2) 0.3 * 0.2 * 0.5 * 0.9 = b)???
10 Diagram Trelis Digaram trelis dapat digunakan untuk memvisualisasikan kemungkinan dalam perhitungan HMM.
11 Diagram Trelis Diagram Trelis untuk Kasus Teladan 1 Masalah1 P TP TP TP H B State observasi : x1=tp x2=tp x3=tp n =1 n =2 n =3 Waktu
12 Teladan Masalah 2 Permasalahan 2 adalah kita mencari state yang optimal dari suatu observasi terhadap model HMM yang ada. Diselesaikan dengan manggunakan algoritmaviterbi Beberapa langkah dalamviterbi Inisialisasi Rekursif Terminasi Lacak Balik
13 Algoritma Viterbi (Teladan Masalah 2) Inisialisasi Rekursif Terminasi Terminasi
14 Teladan 2 Maslah 2 Jika Anda berada di dalam ruang tertutup dan Anda tidak mengetahui bagaimana cuaca di luar. Sementara observasi menunjukkan bahwa officeboy selama tiga hari ternyata ({TP,DP,DP}). Tentukan peluang yang paling mungkin dari cuaca di luar pada kondisi tersebut? Selesaikan dengan algoritma viterbi! Ket: DP : dengan payung
15 Langkah 1 (Inisialisasi) n =1 δ1(p) = π(p)* B(TP P) Ψ1 (P)= 0 = 1/3 * 0.9 = 0.3 δ1(h) = π(h)* B(TP H) Ψ1 (P)= 0 = 1/3 * 0.2 = δ1(b) = π(b)* B(TP B) Ψ1 (P)= 0 = 1/3 * 0.7 = 0.23
16 Langkah 2 (Rekursif) n =2 (Menghitung kemungkinan state berikutnya dari 3 state sebelumnya) δ2(p) = max{δ1(p)* A(P P), δ1(h)* A(P H), δ1(b)*a(p B)}* B(DP P) = max {0.3* 0.8, * 0.2, * 0.2} * 0.1 = Ψ2 (P) = P δ2(h) = max{δ1(p)* A(H P), δ1(h)* A(H H), δ1(b)*a(h B)}* B(DP H) = max {0.3* 0.05, * 0.6, * 0.3} * 0.8 = Ψ2 (H) = B δ2(b) = max{δ1(p)* A(B P), δ1(h)* A(B H), δ1(b)*a(b B)}* B(DP B) = max {0.3* 0.15, * 0.2, * 0.5} * 0.3 = Ψ2 (B) = B
17 Diagram Trelis n = 2 Lanjutkan ke rekursif berikutnya untuk n = 3
18 Langkah 2 (Rekursif) n =3 (Menghitung kemungkinan state berikutnya dari 3 state sebelumnya) δ3(p) = max{δ1(p)* A(P P), δ1(h)* A(P H), δ1(b)*a(p B)}* B(DP P) = max {0.024* 0.8, * 0.2, * 0.2} * 0.1 = Ψ3 (P) = P δ3(h) = max{δ1(p)* A(H P), δ1(h)* A(H H), δ1(b)*a(h B)}* B(DP H) = max {0.024* 0.05, 0.056* 0.6, * 0.3} * 0.8 = Ψ3 (H) = H δ3(b) = max{δ1(p)* A(B P), δ1(h)* A(B H), δ1(b)*a(b B)}* B(DP B) = max {0.024* 0.15, * 0.2, * 0.5} * 0.3 = Ψ3 (B) = B
19 Diagram Trelis n = 3
20 Langkah 3 (Terminasi) Secara global path telah selesai sampai dengan n=3 (karna ada tiga sekuens observasi yaitu {DP.DP,DP} Lakukan penentuan argumen maksimum P*(O λ) = max(δ3(i)) =δ3(h)= q3* = argmax(δ3(i)) = H Artinya bahwa state terakhir dari observasi ada pada state Hujan
21 Diagram Trelis Terminasi
22 Langkah 4 (Lacak Balik) Sekuens terbaik dapat dilihat dari vektor Ψ n = N - 1= 2 q2* = Ψ3 (q3* ) = Ψ3 (H) = H {Lihat proses rekursif pada n = 3 untuk Ψ3 (H) } n = N - 1= 1 q1* = Ψ2 (q2* ) = Ψ2 (H) = B {Lihat proses rekursif pada n = 2 untuk Ψ2 (H) }
23 Hasil Akhir Berdasarkan hasil q1,q1 dan q3 diperoleh bahwa state yang mungkin dengan peluang terbesar untuk observasi {DP,DP,DP} adalah {B,H,H}
24 Masalah 3 Training Contoh Algoritma Baum-Welch Link File Excel
25 Selesai Bersemangatlah terhadap segala sesuatu yang bermanfaat bagimu, mintalah pertolongan kepada Rabb-mu yang janganlah kamu merasa bersedih Terima Kasih
Hidden Markov Model II
Hidden Markov Model II Toto Haryanto Termonologi dalam HMM Model dalam HMM ditulis sebagai Dengan λ : Model A : Matriks Transisi B : Matriks Emisi Π : Matriks Prority Pernytaan P(O λ) bermakna peluang
Lebih terperinciHidden Markov Model (HMM) dan Pengenalan Pola. Toto Haryanto
Hidden Markov Model (HMM) dan Pengenalan Pola Toto Haryanto Hidden Markov Model Model Probabilistik Cocok Digunakan pada data yang bersifat temporal sekuenseial, contoh : Sinyal (Sinyal Suara, sinyal digital)
Lebih terperinciHidden Markov Model (HMM) dan Pengenalan Pola
Hidden Markov Model (HMM) dan Pengenalan Pola Toto Haryanto Hidden Markov Model Model Probabilistik Cocok Digunakan pada data yang bersifat temporal sekuenseial, contoh : Sinyal (Sinyal Suara, sinyal digital)
Lebih terperinciBAB III. Hidden Markov Models (HMM) Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata,
BAB III Hidden Markov Models (HMM) 3.1 Pendahuluan Rantai Markov mempunyai state yang dapat diobservasi secara langsung. Namun pada beberapa situasi tertentu yang ditemukan di kehidupan nyata, beberapa
Lebih terperinciBAB III HIDDEN MARKOV MODELS. Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan
BAB III HIDDEN MARKOV MODELS Rantai Markov bermanfaat untuk menghitung probabilitas urutan keadaan yang dapat diamati. Tetapi terkadang ada urutan dari suatu keadaan yang ingin diketahui tetapi tidak dapat
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
A39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi dan Daryono Budi Utomo Departemen Matematika, Fakultas Matematka dan Ilmu Pengetahuan Alam, Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari-hari, sering dijumpai peristiwa-peristiwa yang terjadi secara beruntun dan dengan kemungkinan yang berbeda-beda. Sebagai contoh sekarang
Lebih terperinciPrediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov
JURNAL SAINS DAN SENI POMITS Vol. 6, No.2, (2017) 2337-3520 (2301-928X Print) A 39 Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov Risa Septi Pratiwi Daryono Budi Utomo Jurusan
Lebih terperinciAlgoritma Viterbi dalam Metode Hidden Markov Models pada Teknologi Speech Recognition
Algoritma Viterbi dalam Metode Hidden Markov Models pada Teknologi Speech Recognition Abstrak Angela Irfani 1, Ratih Amelia 2, Dyah Saptanti P 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik
Lebih terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat,
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi yang sangat pesat, menjadikan statistika memegang peranan penting dalam kehidupan. Hampir semua fenomena yang terjadi
Lebih terperinciPenerapan Algoritme Viterbi pada Hidden Markov Model (HMM) untuk Prediksi Struktur Sekunder Protein
Penerapan Algoritme Viterbi pada Hidden Markov Model (HMM) untuk Prediksi Struktur Sekunder Protein Dian Puspita Sari 1), Toto Haryanto 1)* 1) Laboratorium Komputasi Terapan, Departemen Ilmu Komputer FMIPA
Lebih terperinciPREDIKSI PERGERAKAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA SERIKAT MENGGUNAKAN HIDDEN MARKOV MODEL (HMM)
Jurnal LOG!K@, Jilid 6, No 1, 2016, Hal 32-41 ISSN 1978 8568 PREDIKSI PERGERAKAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA SERIKAT MENGGUNAKAN HIDDEN MARKOV MODEL (HMM) Mahmudi dan Ardi Program Studi Matematika,
Lebih terperinciBAB 3 PERANCANGAN SISTEM
21 BAB 3 PERANCANGAN SISTEM Sebelum citra tanda tangan dikenali dengan menggunakan Hidden Markov Model (HMM) citra tanda tangan tersebut ditransmisikan dengan dikompresi menggunakan Run Length Encoding
Lebih terperinciDeteksi Fraud Menggunakan Metode Model Markov Tersembunyi pada Proses Bisnis
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) A-24 Deteksi Fraud Menggunakan Metode Model Markov Tersembunyi pada Proses Bisnis Andrean Hutama Koosasi, Riyanarto Sarno, dan
Lebih terperinciHALAMAN JUDUL LEMBAR PERSETUJUAN...
DAFTAR ISI HALAMAN JUDUL LEMBAR PERSETUJUAN... i LEMBAR PENGESAHAN... ii LEMBAR PERNYATAAN... iii ABSTRAK... iv ABSTRACT... v KATA PENGANTAR... vi DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xi
Lebih terperinciBAB II KAJIAN PUSTAKA. gesture) menjadi kata pada bahasa isyarat ada tiga hardware yang digunakan
7 BAB II KAJIAN PUSTAKA 2.1 Current Research Di Indonesia sendiri dalam beberapa tahun terakhir, perkembangan gesture recognition sebagai aplikasi pembacaan gerak tangan menjadi kata untuk pengenalan bahasa
Lebih terperinciIMPLEMENTASI HIDDEN MARKOV MODEL PADA PERAMALAN DATA SAHAM
IMPLEMENTASI HIDDEN MARKOV MODEL PADA PERAMALAN DATA SAHAM M. Zulfikar 1 Alimin Bado 2, Kresna Jaya 2, Md Rafiul Hassan and Baikunth Nath 2 Program Studi Sarjana Statistika Universitas Hasanuddin, fikarz@scientist.com
Lebih terperinciBAB 2 DASAR TEORI. Penerapan hidden..., Leni Nur Hidayati, FT UI, 2010.
4 BAB 2 DASAR TEORI Transmisi dari citra adalah hal penting dalam komunikasi citra interaktif pada beberapa aplikasi seperti pengamatan jarak jauh (remote surveillance), pembelanjaan elektronik (electronic
Lebih terperinciPenerapan Hidden Markov Model Pada Harga Saham
Penerapan Hidden Markov Model Pada Harga Saham Sri Wahyuni Mamonto 1, Yohanes A. R. Langi 2, Altien J. Rindengan 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, mamontosri@gmail.com 2 Program Studi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Suara (Wicara) Suara khususnya wicara merupakan cara yang natural bahkan paling penting dalam melakukan proses komunikasi. Dalam kehidupan sehari-hari, manusia melakukan berbagai
Lebih terperinciBAB IV MODEL HIDDEN MARKOV
BAB IV MODEL HIDDEN MARKOV 4.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang (Ω, F, P). Misalnya X = {X : k N} adalah rantai Markov dengan state berhingga yang bersifat homogen
Lebih terperinciBAB III METODE PENELITIAN
18 BAB III METODE PENELITIAN Pada bab ini akan dikemukakan metode-metode yang akan digunakan pada bab selanjutnya. Metode-metode pada bab ini yaitu metode Value at Risk dengan pendekatan distribusi normal
Lebih terperinciBAB I PENDAHULUAN. Perkembangan teknologi informasi memberikan dampak yang cukup besar
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi memberikan dampak yang cukup besar pada disiplin-disiplin ilmu lainnya termasuk biologi molekuler. Sehingga menghasilkan kolaborasi
Lebih terperinciPenerapan Model Markov Tersembunyi untuk Mengetahui Persentase Kecocokan dari Deoxyribonucleic Acid pada Pohon Filogenetik Ursidae (Beruang)
Statistika, Vol. 15 No. 2, 73 86 November 2015 Penerapan Model Markov Tersembunyi untuk Mengetahui Persentase Kecocokan dari Deoxyribonucleic Acid pada Pohon Filogenetik Ursidae (Beruang) Rini Cahyandari
Lebih terperinciRANCANG BANGUN APLIKASI PENGENAL PENUTUR MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM)
RANCANG BANGUN APLIKASI PENGENAL PENUTUR MENGGUNAKAN METODE HIDDEN MARKOV MODEL (HMM) Maryati Gultom 1), Mukhlisa 2), Derry Alamsyah 3) 1 gultommaryati@gmail.com, 2 immobulus92@gmail.com, 3 derryfseiei@gmail.com
Lebih terperinciPenelitian Operasional II Rantai Markov RANTAI MARKOV
Penelitian Operasional II Rantai Markov 49 4. RANTAI MARKOV 4. PENDAHULUAN Dalam masalah pengambilan suatu keputusan, seringkali kita diperhadapkan dengan suatu ketidakpastian. Permasalahan ini dapat dimodelkan
Lebih terperinciAPLIKASI ALGORITMA VITERBI DALAM HIDDEN MARKOV MODEL UNTUK MENGANALISIS TREN PASAR SAHAM DI BURSA EFEK (Studi Kasus di PT Astra Agro Lestari, Tbk)
APLIKASI ALGORITMA VITERBI DALAM HIDDEN MARKOV MODEL UNTUK MENGANALISIS TREN PASAR SAHAM DI BURSA EFEK (Studi Kasus di PT Astra Agro Lestari, Tbk) SKRIPSI OLEH ZIYAN FARID NIM. 11610046 JURUSAN MATEMATIKA
Lebih terperinciDETEKSI FRAUD MENGGUNAKAN METODE MODEL MARKOV TERSEMBUNYI PADA PROSES BISNIS
TUGAS AKHIR KI141502 DETEKSI FRAUD MENGGUNAKAN METODE MODEL MARKOV TERSEMBUNYI PADA PROSES BISNIS ANDREAN HUTAMA KOOSASI NRP 5112 100 004 Dosen Pembimbing I Prof. Drs. Ec. Ir. Riyanarto Sarno, M.Sc., Ph.D
Lebih terperinciPENERAPAN HIDDEN MARKOV MODEL DALAM CLUSTERING SEQUENCE PROTEIN GLOBIN
PENERAPAN HIDDEN MARKOV MODEL DALAM CLUSTERING SEQUENCE PROTEIN GLOBIN Sri Mulyana 1), Afiahayati 2), Wijaya Adhi Surya 3) Program Studi Ilmu Komputer, FMIPA, Universitas Gadjah Mada 1,2,3) Gedung Selatan
Lebih terperinciPenerapanHidden Markov Model (HMM) pada Pengenalan Penutur
Jatisi, Vol. 1 No. 1 September 2014 111 PenerapanHidden Markov Model (HMM) pada Pengenalan Penutur Mukhlisa* 1, Maryati Gultom 2, Derry Alamsyah 3 1,2,3 STMIK GI MDP; Jln. Rajawali No. 14, 0711 376400
Lebih terperinciImplementasi Algoritma Knuth Morris Pratt pada Alat Penerjemah Suara
Implementasi Algoritma Knuth Morris Pratt pada Alat Penerjemah Suara Bima Laksmana Pramudita (13511042) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 PENDAHULUAN Latar Belakang Mengenali sebuah kata atau kalimat bukanlah hal yang sulit dilakukan bagi manusia Apalagi kata tersebut merupakan Bahasa Utama yang digunakannya sehari-hari Berbagai logat
Lebih terperinciMULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL
MULTIPLE SEQUENCE ALIGNMENT MENGGUNAKAN HIDDEN MARKOV MODEL Afiahayati 1), Sri Mulyana 2) 1,2) Program Studi Ilmu Komputer, Universitas Gadjah Mada Yogyakarta email : af1a@mail.ugm.ac.id, smulyana@mail.ugm.ac.id
Lebih terperinciLembar Pernyataan. Bandung, 29 Mei 2012 Yang membuat pernyataan, (Aswindha Sekarrini)
Lembar Pernyataan Dengan ini saya menyatakan bahwa Tugas Akhir dengan judul Deteksi Anomali Pada Sistem Deteksi Intrusi Menggunakan Metode Hidden Markov beserta seluruh isinya adalah benar-benar karya
Lebih terperinciKEMUNGKINAN (LIKELIHOOD) MODEL FILOGENETIK MELALUI MODEL MARKOV TERSEMBUNYI Studi kasus: Hylobates, Pongo, Gorilla, Homo sapiens, dan Pan TESIS
KEMUNGKINAN (LIKELIHOOD) MODEL FILOGENETIK MELALUI MODEL MARKOV TERSEMBUNYI Studi kasus: Hylobates, Pongo, Gorilla, Homo sapiens, dan Pan TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciBAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY
BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY 3.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang Ω,,. Misalkan ; adalah rantai Markov dengan state berhingga
Lebih terperinciPENGEMBANGAN MODEL MARKOV TERSEMBUNYI UNTUK IDENTIFIKASI PEMBICARA. Oleh : WINI PURNAMASARI G
PENGEMBANGAN MODEL MARKOV TERSEMBUNYI UNTUK IDENTIFIKASI PEMBICARA Oleh : WINI PURNAMASARI G64102051 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006
Lebih terperinciPREDIKSI INDEKS SAHAM SYARIAH INDONESIA MENGGUNAKAN MODEL HIDDEN MARKOV
TUGAS AKHIR SM141501 PREDIKSI INDEKS SAHAM SYARIAH INDONESIA MENGGUNAKAN MODEL HIDDEN MARKOV RISA SEPTI PRATIWI NRP 1213 100 026 Dosen Pembimbing: Drs. Daryono Budi Utomo, M.Si DEPARTEMEN MATEMATIKA Fakultas
Lebih terperinciBAB III MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
Lebih terperinciPROSES KEPUTUSAN MARKOVIAN TEKNIK RISET OPERASI
PROSES KEPUTUSAN MARKOVIAN TEKNIK RISET OPERASI Contoh TIA 310 3 Contoh TIA 310 4 TIA 310 5 TIA 310 6 TIA 310 7 TIA 310 8 Cara Perhitungan 0.2 x 7 + 0.5 x 6 + 0.3 x 3 = 5.3 0 x 0 + 0.5 x 5 + 0.5 x 1 =
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB LANDAAN TERI.. uara uara adalah fenomena fisik yang dihasilkan oleh getaran suatu benda yang berupa sinyal analog dengan amplitudo yang berubah secara kontinu terhadap waktu. uara merupakan gelombang
Lebih terperinciMETODE MARKOV DAN PENERAPANNYA Markov Model and Its Applications. Noor Cholis Basjaruddin POLBAN
METODE MARKOV DAN PENERAPANNYA Markov Model and Its Applications Noor Cholis Basjaruddin Politeknik Negeri Bandung 2016 Daftar Isi 1 Abstrak... 3 2 Abstract... 3 3 Pendahuluan... 3 4 Model Markov... 4
Lebih terperinciPERBANDINGAN METODE KUANTISASI VEKTOR DAN MODEL MARKOV TERSEMBUNYI PADA PENGENALAN PEMBICARA BERBAHASA INDONESIA TESIS
PERBANDINGAN METODE KUANTISASI VEKTOR DAN MODEL MARKOV TERSEMBUNYI PADA PENGENALAN PEMBICARA BERBAHASA INDONESIA TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut
Lebih terperinciPERAMALAN HARGA SAHAM MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN HIDDEN MARKOV MODEL
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 5378 PERAMALAN HARGA SAHAM MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN HIDDEN MARKOV MODEL Erlina Febriani 1, Drs. Jondri,
Lebih terperinciBAB 3 PEMBAHASAN. Contoh 1:
BAB 3 PEMBAHASAN 3.1 Pengolahan Data Seperti yang telah dijelaskan sebelumnya, rantai markov atau proses markov akan digunakan untuk menganalisa data yang diperoleh dalam penelitian ini. Contoh kasus yang
Lebih terperinciBAB I PENDAHULUAN. pengetahuan dan teknologi. Hal ini tak bisa lepas dari peran berbagai cabang ilmu
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kemajuan peradaban manusia berjalan seiring dengan kemajuan ilmu pengetahuan dan teknologi. Hal ini tak bisa lepas dari peran berbagai cabang ilmu pengetahuan
Lebih terperinciSISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL. Ivanna K. Timotius, Adhi Prayogo
SISTEM PENGENALAN CHORD PADA FILE MUSIK DIGITAL DENGAN MENGGUNAKAN PITCH CLASS PROFILES DAN HIDDEN MARKOV MODEL Fakultas Teknik Elektronika dan Komputer, Program Studi Teknik Elektro, Universitas Kristen
Lebih terperinciPENGGUNAAN llldden MARKOV MODEL (HMM) UNTUK MENGIDENTIFIKASI RNAFAMILY
Seminar Nasional Teknologi Informasi 2010 C2 PENGGUNAAN llldden MARKOV MODEL (HMM) UNTUK MENGIDENTIFIKASI RNAFAMILY Toto Haryanto 1) Agus Buono 2) Taufik Djatna 3) ".i 1) Departemen Ilmu Komputer FMIP
Lebih terperinciBAB 1 PENDAHULUAN. mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal
BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah autentikasi secara biologis memungkinkan sistem dapat mengenali penggunanya lebih tepat. Beberapa aplikasi biometrik antara lain retinal scan, face
Lebih terperinciPREDIKSI PERGERAKAN HARGA IHSG MENGGUNAKAN HIDDEN MARKOV MODELS
PREDIKSI PERGERAKAN HARGA IHSG MENGGUNAKAN HIDDEN MARKOV MODELS Skripsi Disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika Oleh ERNAWATI 4111410026 JURUSAN
Lebih terperinciBAB 3 PERANCANGAN SISTEM. yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk
BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Voice Command pada demonstrasinya merupakan aplikasi pengenalan suara yang akan menjalankan perintah-perintah yang dikenali. Sistem ini dibuat untuk menampung
Lebih terperinciTeori Dualitas dan Penerapannya (Duality Theory and Its Application)
Teori Dualitas dan Penerapannya (Duality Theory and Its Application) Kuliah 6 TI2231 Penelitian Operasional I 1 Materi Bahasan 1 Teori dualitas 2 Metode simpleks dual TI2231 Penelitian Operasional I 2
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB 1 PENDAHULUAN. tugas kita, mempermudah kita mencari informasi. Komputer juga bisa bergerak sebagai
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Komputer adalah sebuah alat/mesin yang membantu kita untuk menyelesaikan tugas kita, mempermudah kita mencari informasi. Komputer juga bisa bergerak sebagai penghibur
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Gambaran Umum Manusia mempunyai kemampuan untuk belajar sejak dia dilahirkan, baik diajarkan maupun belajar sendiri, hal ini dikarenakan manusia mempunyai jaringan saraf.
Lebih terperinciSIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS FFT DAN CONTINOUS DENSITY HIDDEN MARKOV MODEL
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 262 SIMULASI DAN ANALISIS KLASIFIKASI GENRE MUSIK BERBASIS FFT DAN CONTINOUS DENSITY HIDDEN MARKOV MODEL SIMULATION AND ANALYSIS
Lebih terperinciPengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model
Pengenalan Fonem Vokal Bahasa Jawa Mataraman Menggunakan Metode Liner Predictive Model Dan Hidden Markov Model Ziaul Haq, Teknik Informatika S1,Universitas Dian Nuswantoro Semarang Abstract Pengenalan
Lebih terperinciPERANCANGAN PROGRAM HIDDEN MARKOV MODEL DAN PRINCIPAL COMPONENT ANALYSIS UNTUK PERAMALAN HARGA HARIAN SAHAM
PERANCANGAN PROGRAM HIDDEN MARKOV MODEL DAN PRINCIPAL COMPONENT ANALYSIS UNTUK PERAMALAN HARGA HARIAN SAHAM Tommy Yohanes, Rokhana Dwi Bekti, Afan Galih Salman Universitas Bina Nusantara, Jl. Syahdan No.
Lebih terperinciPENGEMBANGAN HIDDEN SEMI MARKOV MODEL DENGAN DISTRIBUSI DURASI STATE EMPIRIS UNTUK PREDIKSI STRUKTUR SEKUNDER PROTEIN TOTO HARYANTO
PENGEMBANGAN HIDDEN SEMI MARKOV MODEL DENGAN DISTRIBUSI DURASI STATE EMPIRIS UNTUK PREDIKSI STRUKTUR SEKUNDER PROTEIN TOTO HARYANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 ii PERNYATAAN
Lebih terperinciTTG3B3 - Sistem Komunikasi 2 Convolutional Coding
TTG3B3 - Sistem Komunikasi 2 Convolutional Coding S1 Teknik Telekomunikasi Fakultas Teknik Elektro Universitas Telkom Oleh: Linda Meylani Agus D. Prasetyo Tujuan Pembelajaran Memahami proses encoding dan
Lebih terperinciBAB 3 PERANCANGAN. Input Data, Pre-processing, Feature Extraction, Training, dan Verification. Pada tahap
BAB 3 PERANCANGAN 3.1 Desain Verifikasi Tanda Tangan Desain verifikasi tanda tangan secara umum terdiri dari lima tahap utama, yaitu Input Data, Pre-processing, Feature Extraction, Training, dan Verification.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciDETEKSI OTOMATIS KELAINAN JANTUNG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM)
DETEKSI OTOMATIS KELAINAN JANTUNG MENGGUNAKAN HIDDEN MARKOV MODEL (HMM) Jondri dan Achmad Rizal Institut Teknologi Telkom, Bandung jdn@ittelkom.ac.id dan arz@ittelkom.ac.id ABSTRACT The heart of patient
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciBAB 2 LANDASAN TEORI DAN KERANGKA PEMIKIRAN. Analisis Markov merupakan sebuah teknik yang berhubungan dengan
6 BAB 2 LANDASAN TEORI DAN KERANGKA PEMIKIRAN 2.1 Landasan Teori 2.1.1 Analisis Rantai Markov Analisis Markov merupakan sebuah teknik yang berhubungan dengan probabilitas akan state di masa mendatang dengan
Lebih terperinciBAB III PEMBAHASAN. FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan
BAB III PEMBAHASAN Pada bab ini berisi mengenai FRBFNN, prosedur pembentukan model FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan listrik di D.I Yogyakarta. A. Radial Basis Function
Lebih terperinciProcess Discovery untuk Streaming Event log Menggunakan Model Markov Tersembunyi
A458 Process Discovery untuk treaming Event log Menggunakan Model Markov Tersembunyi Kelly R. ungkono, Riyanarto arno, dan Abdul Munif Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6592
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 205 Page 6592 Prediksi Harga Saham Menggunakan Hidden Markov Model (HMM) dan Fuzzy Model Devy Yendriani, Jondri, M.Si. 2, Untari Novia
Lebih terperinciTeori Dasar Hidden Markov Model
Teori Dasar Hidden Markov Model Muhammad Eko Budi Prasetyo 18209020 1 Program Studi Sistem dan teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciPart-of-Speech (POS) Tagging Bahasa Indonesia Menggunakan Algoritma Viterbi
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Part-of-Speech (POS) Tagging Bahasa Indonesia Menggunakan Algoritma Viterbi Nitin Sabloak 1, Bebeto Agung Hardono 2, Derry Alamsyah 3 1,2 STMIK GI
Lebih terperinciPenekanan Derau secara Adaptif pada Pengenalan Ucapan Kata
Penekanan Derau secara Adaptif pada Pengenalan Ucapan Kata Achmad Bayhaki (L2F 002 541) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Semarang, Indonesia trainingmoment@yahoo.com Abstrak
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data DISTRIBUSI BINOMIAL 1 Contoh Ilustrasi Inves;gasi thd suatu populasi karakteris;k
Lebih terperinciBAB I DASAR SISTEM OPTIMASI
BAB I DASAR SISTEM OPTIMASI. Pendahuluan Teknik optimasi merupakan suatu cara yang dilakukan untuk memberikan hasil terbaik yang diinginkan. Teknik optimasi ini banyak memberikan menfaat dalam mengambil
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada perkembangan teknologi informasi seperti saat ini, kebutuhan akan informasi dan sistem yang dapat membantu kebutuhan manusia dalam berbagai aspek sangatlah penting.
Lebih terperinciBAB III METODE PENELITIAN. Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu
BAB III METODE PENELITIAN 3.1 Pengumpulan Data Beban Listrik dari PLN Data-data historis beban harian yang akan diambil sebagai evaluasi yaitu selama lima tahun pada periode 2006-2010, selanjutnya data
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 terperinciPERBANDINGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN METODE HIDDEN MARKOV MODEL (HMM) DALAM PENGENALAN IDENTITAS SESEORANG MELALUI WAJAH
PERBANDINGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN METODE HIDDEN MARKOV MODEL (HMM) DALAM PENGENALAN IDENTITAS SESEORANG MELALUI WAJAH Abdu Rakhman Syakhala 1, Diyah Puspitaningrum 2, Endina
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciPENGENALAN FORMULA MATEMATIKA DARI POLA TULISAN TANGAN
PENGENALAN FORMULA MATEMATIKA DARI POLA TULISAN TANGAN Yuliana Melita Pranoto, Edwin Pramana, dan Renato Budiman Teknik Informatika Sekolah Tinggi Teknik Surabaya ymp@stts.edu, epramana@gmail.com, dan
Lebih terperinciPENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION
PENERAPAN HIDDEN MARKOV MODEL UNTUK PENGENALAN UCAPAN SKRIPSI NADIA WIDARI NASUTION 110803016 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015 ii
Lebih terperinciBAB III METODE PENELITIAN
24 BAB III METODE PENELITIAN 3.1. Pengumpulan Data Pembangkit Suralaya Cibinong Cilegon 7 1 6 Gandul 2 4 Balaraja 3 Kembangan Muaratawar 5 Depok 9 Bekasi 8 11 Tasikmalaya Cirata 10 Cawang 12 Pedan 16 Saguling
Lebih terperinciSOAL DAN PEMBAHASAN UJIAN NASIONAL SMA/MA IPA TAHUN PELAJARAN 2009/2010
SOAL DAN PEMBAHASAN UJIAN NASIONAL SMA/MA IPA TAHUN PELAJARAN 9/. Diberikan premis sebagai berikut : Premis : Jika harga BBM naik, maka harga bahan pokok naik. Premis : Jika harga bahan pokok naik maka
Lebih terperinciPengantar Proses Stokastik
Bab 3: Rantai Markov Diskrit Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia Rantai Markov Rantai Markov Rantai Markov Misalkan sebuah proses stokastik {X t } dengan t = 0, 1, 2,....
Lebih terperinciPemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pemodelan Sistem Antrian Satu Server Dengan Vacation Queueing Model Pada Pola Kedatangan Berkelompok Sucia Mentari, Retno Subekti, Nikenasih
Lebih terperinciII. LANDASAN TEORI. beberapa konsep dan teori yang berkaitan dengan penduga parameter distribusi GB2
5 II. LANDASAN TEORI Dalam proses penelitian penduga parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut ini akan dijelaskan beberapa konsep
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 terperinciPENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana
PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing Tugas Ujian Sarjana. Penjelasan Learning Vector Quantization (LVQ) Learning
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab ini membahas mengenai metode penelitian, waktu dan tempat penelitian, jadwal kegiatan, langkah penelitian, diagram alir serta diagram sistem dengan skenario penelitian. 3.1
Lebih terperinciII. TINJAUAN PUSTAKA. real. T dinamakan himpunan indeks dari proses atau ruang parameter yang
II. TINJAUAN PUSTAKA 2.1 Proses Stokastik Stokastik proses = { ( ), } adalah kumpulan dari variabel acak yang didefinisikan pada ruang peluang (Ω, ς, P) yang nilai-nilainya pada bilangan real. T dinamakan
Lebih terperinciStochastic process. Stochastic process. Stochastic process. Stochastic process 08/05/2015 STOCHASTIC PROCESS OPERATIONAL RESEARCH II
OPERATIONAL RESEARCH II Agustina Eunike, ST., MT., MBA. Industrial Engineering University of Brawijaya STOCHASTIC PROCESS Sample space (ruang sample): all possible outcome Random variable: Fungsi nilai
Lebih terperinciMarkov Chain. Game Theory. Dasar Simulasi
Markov Chain Game Theory Dasar Simulasi Analisis Perubahan Cuaca Perpindahan merek Operasi dan maintenance mesin Perubahan harga di pasar saham dll Menyusun matriks probabilitas transisi. Menghitung probabilitas
Lebih terperinciBAB I PENDAHULUAN. Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI
BAB I PENDAHULUAN I.1 Latar Belakang Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI saat ini belum di-manaje dengan baik secara digital. Informasi yang terdapat dalam LHP yang terdapat
Lebih terperinciBab 4 SOLUSI PENGAMBILAN KEPUTUSAN. 4.1 Masalah Pengambilan Keputusan Markov dengan Pendekatan Program Linier
Bab 4 SOLUSI PENGAMBILAN KEPUTUSAN Pada bab ini akan dibahas mengenai masalah pengambilan keputusan Markov pada pengelolaan mata kuliah MA1122 Kalkulus I dengan pendekatan program linier, solusi dari masalah
Lebih terperinciBAB III PERENCANAAN APLIKASI DESAIN JARINGAN
BAB III PERENCANAAN APLIKASI DESAIN JARINGAN 3.1 PEMETAAN TITIK DP, DAN TITIK JALAN DP (Distribution Point) adalah kotak pembagi yang tergantung di atas tiang telepon untuk membagi kabel sekunder menjadi
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup biometrik, Pengenalan pola, verifikasi tanda tangan, Image Processing,
BAB 2 LANDASAN TEORI Pada bab ini diuraikan beberapa landasan teori dan konsep-konsep yang mencakup biometrik, Pengenalan pola, verifikasi tanda tangan, Image Processing, Preprocessing, Hidden Markov Model,
Lebih terperinciAPLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN
APLIKASI PENGENALAN UCAPAN SEBAGAI PENGATUR KECEPATAN PUTARAN KIPAS ANGIN Riva Anggara Yudha*, Achmad Hidayatno, ST, MT **, Ajub Ajulian Z, ST, MT ** Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciHIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X
BAB II HIDDE MARKOV MODEL.. Pendahuluan Proses Sokasik dapa dipandang sebagai suau barisan peubah acak { X, } dengan adalah parameer indeks dan X menyaakan keadaan pada saa. Himpunan dari semua nilai sae
Lebih terperinciAgustinus 1, Asep Mulyana, ST., MT. 2, Andrew Brian O., ST., MT. 3
PERANCANGAN DAN IMPLEMENTASI APLIKASI PENERJEMAH BAHASA ISYARAT MENJADI SUARA BERBASIS KINECT MENGGUNAKAN METODE HIDDEN MARKOV MODEL DESIGN AND IMPLEMENTATION OF SIGN LANGUAGE TO SPEECH TRANSLATOR APPLICATION
Lebih terperinciPREDIKSI STRUKTUR SEKUNDER PROTEIN MENGGUNAKAN HIDDEN MARKOV MODEL PADA IMBALANCED DATA DIAN PUSPITA SARI
PREDIKSI STRUKTUR SEKUNDER PROTEIN MENGGUNAKAN HIDDEN MARKOV MODEL PADA IMBALANCED DATA DIAN PUSPITA SARI DEPARTEMEN ILMU KOMPUTER MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Lebih terperinci