PENDAHULUAN. Latar Belakang
|
|
- Susanto Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Latar Belakang PENDAHULUAN Grafologi adalah ilmu yang mempelajari, mengidentifikasi, menganalisis, dan mengetahui karakter seseorang melalui tulisan tangannya. Orang yang dapat menganalisis tulisan tangan disebut grafologist. Menurut (Mutalib, et al. 2008) analisis tulisan tangan telah banyak digunakan berbagai bidang di antaranya seleksi calon pegawai, kriminalogi, tumbuh kembang anak, seleksi pasangan hidup (life partner), seleksi rekan kerja, dan konseling. Selain itu, diterapkan juga bidang kesehatan dan pendidikan. Grafologist dapat memiliki penilaian yang subjektif. Grafologist yang berbeda dapat menganalisis tulisan tangan yang sama tetapi memberikan hasil yang berbeda (Galbraith 1964 & Guest 1994, diacu Sheikholeslami et al). Selain itu, keakuratan hasil analisis tulisan tangan bergantung pada kemampuan grafologist itu sendiri menganalisis tulisan tangan (Champa & Kumar 2010). Oleh karena itu, untuk mengatasi permasalahan subjektifitas tersebut dan membantu grafologist menganalisis tulisan tangan diperlukan suatu pemanfaatan teknologi komputer yang dapat menerapkan ilmu grafologi. Pada penelitian (Mutalib et al. 2007) dilakukan analisis grafologi berdasarkan parameter huruf t menggunakan jaringan syaraf tiruan propagasi balik. Percobaan penelitian ini dibagi menjadi dua yaitu pengenalan huruf t dan pengenalan karakter seseorang berdasarkan huruf t. Input penelitian ini merupakan citra tulisan tangan dan output yang dihasilkan berupa pengenalan huruf t dan karakter seseorang berdasarkan penulisan huruf t orang tersebut. Penelitian ini bahwa jaringan syaraf tiruan propagasi balik dapat digunakan untuk mengklasifikasikan huruf t dan karakter seseorang berdasarkan huruf t dengan hasil yang cukup baik yaitu sebesar 90.27% dan 60%. Berdasarkan pada penelitian (Mutalib 2007), pengenalan pola menggunakan jaringan syaraf tiruan propagasi balik hasil yang cukup baik. Oleh karena itu, pada penelitian ini akan dilakukan analisis grafologi menggunakan jaringan syaraf tiruan propagasi balik. Huruf a merupakan salah satu huruf yang dapat menggambarkan cara berkomunikasi seseorang dan huruf t dapat menggambarkan motivasi dan ambisi seseorang. Kedua huruf ini dapat mendeskripsikan karakter seseorang hal berkomunikasi dan motivasi. Cara berkomunikasi seseorang dan motivasinya merupakan hal yang cukup penting berbagai bidang terutama penerimaan calon pegawai. Oleh karena itu, penelitian ini akan dianalisis karakter seseorang berdasarkan huruf a dan t kecil. Tujuan Penelitian Tujuan penelitian ini adalah mengimplementasikan jaringan syaraf tiruan propagasi balik mengenali karakter seseorang melalui tulisan tangannya. Ruang Lingkup Penelitian Ruang lingkup penelitian ini yaitu: 1 Analisis grafologi yang dilakukan hanya berdasarkan pada huruf a dan t kecil. Pada penelitian ini tidak dilakukan pengenalan terhadap huruf a dan t, sehingga citra huruf a dan t yang digunakan harus dipotong (cropping) secara manual. 2 Input yang digunakan yaitu citra tulisan tangan huruf a dan t kecil berukuran 40x40 piksel dan berformat JPG. 3 Output hasil analisis masing-masing dikelompokkan ke tiga kelas karakter sesuai bentuk huruf a dan t kecil. 4 Dalam penelitian ini huruf a dan t yang digunakan masing-masing hanya tiga kelas. Huruf a terdiri atas a balok, a terbuka di atas, dan a tertutup. Huruf t terdiri atas t lurus, t naik, t turun. Manfaat Penelitian Manfaat penelitian ini adalah mendapatkan informasi mengenai karakter seseorang sehingga diharapkan dapat membantu pekerjaan grafologist menganalisis tulisan tangan. Grafologi TINJAUAN PUSTAKA Kata grafologi merupakan gabungan kata yang berasal dari Yunani yaitu grapheirt yang artinya menulis dan ology yang berarti cabang dari ilmu pengetahuan. Jadi grafologi adalah ilmu tulisan tangan berdasarkan pada perkembangan ilmu pengetahuan yang secara tetap diuji penggunaan praktik. Ilmu ini merupakan ilmu yang berkesinambungan, 1
2 terus berkembang, dan bukan sistem terkodesifikasi. Sangat memungkinkan untuk memahami dan mengetahui karakter menggunakan pendekatan berbeda terhadap bentuk asli yang spesifik, seperti bidang medis dan psikologi yang dapat memperoleh hasil yang sama walaupun berawal dari posisi yang berbeda satu sama lain. Seperti halnya bidang medis, grafologi juga menggabungkan dan mensintesiskan informasi yang membutuhkan pelatihan dan penilaian aplikasinya. Secara dinamis, grafologi memiliki cakupan yang luas. Ilmu ini juga diterapkan sebagai alat diagnostik tambahan oleh psikolog dan psikiater (Amend & Ruiz 1980). Menurut (Robert 2002) pada abad ke 17 Alerius Prosper dan Camilla Baldo berpendapat bahwa ada hubungan antara tulisan tangan dengan kepribadian. Pada abad ke 19, Abbot Jean Hippolyte Michon dan Abbot Flandrin mengumpulkan contoh-contoh tulisan tangan dan mencocokkan gaya tulisan tangan dengan berbagai macam kepribadian yang akhirnya ilmu ini disebut grafologi. Sekarang ini ilmu grafologi digunakan secara luas berbagai bidang contohnya bisnis, kepolisian, pada bidang penerimaan calon pegawai, bahkan mencari partner. Grafologi sangat efektif untuk mengamati respon alam bawah sadar karena bentuk tulisan tangan merupakan alat ukur yang tidak dapat berbohong. Sama halny komputer, tulisan tangan merupakan hasil print out dari format berfikir seseorang. Grafologi Huruf a dan Huruf t Menurut (Rodgers 1993) grafologi disebut juga analisis tulisan tangan merupakan ilmu yang mengorelasikan pola-pola tulisan tangan dengan kepribadian seseorang. Analisis grafologi tidak hanya dilihat dari parameterparameter seperti baseline, slant, margin, dan parameter lainnya tetapi analisis grafologi juga dilakukan terhadap huruf-huruf alfabet spesifik yang dikelompokkan menjadi kelompok alfabet. Setiap huruf adalah pernyataan tersendiri dari sikap yang membentuk citra diri. Kelompok alfabet tersebut dibagi menjadi delapan kelompok. Kedelapan kelompok tersebut adalah: 1 Kelompok komunikasi yang terdiri atas huruf A, a, O, o, D, d, G, g, Q, q, P, p. 2 Kelompok pembelajaran dan evaluasi terdiri atas huruf Y, y, U, u, W, w, V, v. 3 Kelompok penghargaan dan ekspresi terdiri atas huruf M, m, N, n, H, h. 4 Kelompok pemahaman terdiri atas huruf L, l, E, e, I, i, J, j. 5 Kelompok kreativitas terapan terdiri atas F, f, R,r, S, s. 6 Kelompok status terdiri atas huruf T, t, K, k, B, b. 7 Kelompok memercayai dan otoritas diri terdiri atas huruf C, c, X, x. 8 Kelompok kepuasan diri yaitu huruf Z, z. Huruf a merupakan salah satu huruf kelompok komunikasi. Huruf a merupakan huruf pertama hampir semua alfabet fonetik. Dalam tulisan tangan, huruf a melambangkan ekspresi ego seseorang kehidupan sehari-hari dan derajat sensitivitas atau kenyamanan terhadap citra diri. Huruf a adalah kepala kelompok komunikasi karena berasal dari ego yang dibentuk oleh citra diri. Berdasarkan huruf a ini dapat dilihat cara bertindak, bereaksi, dan berinteraksi seseorang. Menurut (Baggett 1993) bentuk huruf a terbagi beberapa bentuk dan setiap bentuk menggambarkan karakter yang berbeda-beda. Bentuk dan deskripsi karakter tersebut dapat dilihat pada Tabel 1. Tabel 1 Bentuk dan deskripsi karakter huruf a Gambar Nama Deskripsi a balok (Desire of culture) a terbuka di atas (Talkative) Huruf a kecil seperti ini mengindikasikan tertarik pada kegiatan yang berhubungan dengan seni, musik, budaya, dan sastra. Huruf a terbuka di atas fasih berbicara mengemukakan ide atau pendapat, dermawan, jujur dan tulus. 2
3 a tertutup rapat tanpa loop (Frankness) loop dikiri dan dikanan (Lying) stringer hook (Need a challenge) loop di sisi kiri (Self deceit) Huruf a kecil yang tertutup rapat mengindikasikan tertutup. Individu ini akan jujur dan terus terang jika ditanya mengenai pendapatnya, berbed huruf a terbuka di atas yang jujur mengemukakan pendapat secara sukarela tanpa diminta. Individu yang suka berbohong secara patologis. Orang yang sulit dipercaya. Individu ini sangat suka tantangan, dan akan bosan jika merasa terkontrol suatu hubungan. Individu yang menipu dirinya sendiri tentang sesuatu yang terjadi pada dirinya. Orang yang suka lari menghadapi masalah. Menurut (Rodgers 1993) huruf t dapat menggambarkan sikap seseorang terhadap suatu profesi, terhadap citra diri yang ditampilkan, dan merupakan huruf penghargaan pada nilai diri dan harga diri. Huruf t juga menggambarkan antusiasme, keteguhan hati, dan motivasi. Menurut (Amend & Ruiz 1980) huruf t dapat merefleksikan kekuatan kemauan dan dorongan pribadi yang diekspresikan hidupnya. Berdasarkan huruf t juga dapat dilihat ambisi seseorang. Bar dari huruf t dapat merefleksikan sikap perilaku seseorang pada suatu waktu terhadap pemikiran karir dan juga harapan. Terdapat sekitar 50 jenis gaya penulisan huruf t kecil, tetapi yang akan digunakan penelitian ini hanya 3 jenis. Bentuk dan deskripsi karakter huruf t tersebut dapat dilihat pada Tabel 2. Tabel 2 Bentuk dan deskripsi karakter huruf t t-bars Deskripsi Ambisi Horizontal Up- Turned Down- Turned Citra Digital t-bar yang horizontal tenang dan dapat mengendalikan diri berfikir dan bertindak. t-bar yang naik optimis, dinamis, dan termotivasi. Selain itu, menggambarkan pribadi yang bersemangat, percaya diri, dan antusias. t-bar yang menurun suka bergantung pada orang lain, mudah putus asa dan pasrah. Balanced, Terkontrol Dinamis, Optimis, Termotivasi Pesimis, Kurang termotivasi. Menurut (Gonzales & Wood 2002) image atau citra dapat didefinisikan sebagai fungsi dua dimensi f(x,y), dimana x dan y adalah koordinat spasial. Nilai f pada setiap titik (x,y) tingkat intensitas keabuan (gray level) citra pada titik tersebut. Ketika x,y dan nilai f semuanya adalah finite dan kuantitas diskret maka citra itu disebut citra digital. Citra digital dapat berupa citra skala keabuan (grayscale) atau berwarna. Citra digital direpresentasikan bentuk matriks berukuran m x n dimana m baris dan n 3
4 kolom, contoh matriks citra digital dapat dilihat pada Gambar 1. f(x,y) = f(1, 1) f(1, n) f(m, 1) f(m, n) Gambar 1 Representasi citra digital Setiap elemen matriks nilai piksel. Suatu citra digital berformat grayscale 8 bit memiliki 256 intensitas warna pada setiap pikselnya. Nilai piksel tersebut berkisar antara 0 sampai 255, 0 intensitas paling gelap dan 255 intensitas yang paling terang. Citra tulisan tangan yang direpresentasikan sebagai matriks m x n, dikonversi menjadi vektor kolom yang disebut vektor citra. Transpose dari vektor citra tersebut adalah f(x,y) T = [f(1,1) f(2,1) f(1,n) f(2,n) f(m,n)] Jaringan Syaraf Tiruan Propagasi Balik Menurut (Fauset 1994) jaringan syaraf tiruan adalah suatu sistem pemrosesan informasi yang memiliki karakteristik tertentu seperti jaringan syaraf biologis. Jaringan syaraf tiruan telah dikembangkan sebagai generalisasi model matematika dari syaraf biologis manusia. Jaringan syaraf tiruan propagasi balik merupakan algoritme pembelajaran yang terawasi (supervised learning) dan biasanya digunakan oleh jaringan multilayer untuk mengubah bobot yang terhubung dengan semua neuron pada hidden layer. Jaringan syaraf tiruan propagasi balik dikembangkan oleh Rumelhart, Hinton, dan Williams pada tahun 1986an. Propagasi balik merupakan metode pembelajaran yang efektif untuk jaringan multilayer. Prinsip dasar algoritme propagasi balik terdiri atas tiga fase, yaitu: 1 Fase feed forward Fase ini merupakan fase untuk penghitungan nilai aktivasi. Setiap neuron pada hidden layer dan output layer menghitung masing-masing nilai aktivasinya sesuai dengan fungsi aktivasi yang digunakan. 2 Fase kalkulasi dan backpropagation error (propagasi balik galat) Setiap output neuron menghitung informasi galat antara nilai output yang dihasilkan dan nilai target. Informasi galat ini dikirimkan ke layer di bawahnya. 3 Fase penyesuaian bobot Setiap output neuron dan hidden neuron mengubah bias dan bobot-bobotnya sesuai dengan nilai galat. Secara umum propagasi balik membutuhkan waktu pembelajaran yang lama, tetapi setelah pembelajaran selesai maka aplikasinya akan memberikan output yang cepat. Jaringan syaraf tiruan propagasi balik memiliki karakteristik di antaranya: 1 Jaringan multilayer Arsitektur yang digunakan adalah jaringan multilayer, yaitu satu input layer, satu output layer, dan satu atau lebih hidden layer. Setiap neuron pada suatu layer jaringan propagasi balik mendapat sinyal input dari semua neuron pada layer sebelumnya beserta satu sinyal bias. 2 Fungsi aktivasi Fungsi aktivasi untuk backpropagation harus memiliki beberapa karakteristik penting, yaitu harus kontinu, differentiable (berbeda), dan tidak turun. Fungsi aktivasi yang umum digunakan pada jaringan syaraf tiruan (JST) propagasi balik adalah: a. Fungsi Sigmoid biner outputnya memiliki rentang (0,1) 1 y = f x = 1 + e σx dengan f = f(x) [1 - f(x)] b. Fungsi Sigmoid bipolar outputnya memiliki rentang (-1,1) y = f x = 1 e x 1 + e x dengan f (x) = σ [1 + f(x)][1 f(x)] 2 Model jaringan syaraf tiruan (JST) propagasi balik dengan satu hidden layer dapat dilihat pada Gambar 2. Gambar 2 Model JST propagasi balik Sumber: (Fauset 1994) 4
5 Input layer pada Gambar 2 ditunjukkan dengan unit-unit X i sedangkan hidden layer dan output layer masing-masing ditunjukkan dengan unit-unit Z j dan Y i. Neuron-neuron pada layer yang sama tidak saling berhubungan, tetapi pada layer berbeda saling berhubungan. Input layer berfungsi untuk meneruskan sinyal dan tidak melakukan komputasi, sedangkan hidden layer dan output layer melakukan proses komputasi. Selama fase feedforward, setiap unit input Xi menerima sinyal input dan meneruskan sinyal ke setiap unit hidden layer Zi,,Zp. Setiap unit hidden lalu menghitung aktivasinya dan mengirimkan sinyal ke setiap unit output. Setiap unit output Yi menghitung aktivasinya untuk membentuk respon ke jaringan untuk memberi pola input. Sebelum proses pelatihan dilakukan, inisialisasi bobot awal merupakan hal yang penting karena nilai bobot awal sangat mempengaruhi kinerja jaringan. Inisialisasi bobot awal dapat dilakukan menggunakan metode Nguyen-Widrow. Metode Nguyen- Widrow dilakukan dengan menentukan faktor pengali terlebih dahulu yang didefinisikan sebagai berikut: dengan: n = jumlah unit input β = 0.7(p) 1/n, p = jumlah unit tersembunyi (hidden) Kemudian diinisialisasi bobot-bobot dari input layer ke hidden layer, didefinisikan sebagai berikut: dengan: βvik (old ) Vik(new)=, Vk (old ) V ik (old) = nilai acak antara -0.5 sampai 0.5 i = 1,2,,m k = 1,2,,p Bobot bias (V ok ) diinisialisasi antara nilai β sampai β. Selama proses pelatihan, output yang dihasilkan dibandingkan dengan target. Jika output belum mencapai target maka pelatihan akan terus dilakukan dengan memperbaiki bobot dengan cara mempropagasi balik nilai koreksi galat output ke layer sebelumnya. Jika nilai output sam target maka pelatihan akan berhenti. Algoritme BPNN secara lengkap dapat dilihat pada Lampiran 1. METODE PENELITIAN Pada penelitian ini dilakukan tiga kali percobaan. Percobaan pertama adalah mencari parameter-parameter JST propagasi balik yang optimal. Percobaan kedua adalah pengenalan karakter berdasarkan huruf a dan percobaan ketiga dilakukan pengenalan karakter berdasarkan huruf t. Data Penelitian Data awal didapat dari 57 responden yang masing-masing menuliskan suatu kalimat yang telah ditentukan pada kertas berukuran 10,5 x 7 cm. Kalimat yang dituliskan oleh responden dapat dilihat pada Lampiran 2. Setelah itu, data tulisan tangan diubah menjadi citra digital menggunakan scanner dan disimpan sebagai satu file citra, sehingga diperoleh data citra tulisan tangan sebanyak 57 data. Data tersebut dibagi menjadi 27 data untuk huruf a dan 30 data untuk huruf t. Data citra tulisan tangan selengkapnya dapat dilihat pada Lampiran 2. Huruf a terdiri atas tiga kelas yaitu kelas 1 terdiri atas 7 data, kelas 2 dan kelas 3 terdiri atas 10 data. Dari masing-masing data setiap kelas akan diambil huruf a sebanyak lima citra. Lima citra huruf a dari setiap kelas akan dibagi menjadi 3 citra untuk data latih dan 2 citra untuk data uji, sehingga diperoleh total data latih sebanyak 81 citra dan data uji sebanyak 54 citra. Huruf t terdiri atas tiga kelas, masingmasing kelas terdiri atas 10 data. Dari masingmasing data setiap kelas akan diambil huruf t sebanyak lima citra. Lima citra huruf t dari setiap kelas akan dibagi menjadi 3 citra untuk data latih dan 2 citra untuk data uji, sehingga diperoleh total data latih sebanyak 90 citra dan data uji sebanyak 60 citra. Praproses Data Setiap citra khususnya pada huruf a dan t kecil dilakukan proses cropping (pemotongan) berukuran 40 x 40 piksel. Ukuran citra yang terlalu besar akan memperlambat kinerja sistem. Oleh karena itu, diperlukan proses resizing untuk mereduksi ukuran citra input. Citra input akan diubah menjadi citra grayscale dan diseragamkan ukurannya menjadi 24 x 12 piksel. Citra karakter tulisan tangan akan direpresentasikan menjadi vektor kolom berdimensi 1 x 81 untuk huruf a dan 1 x 90 untuk huruf t. Dengan demikian, seluruh data latih akan direpresentasikan berupa matriks 5
ANALISIS GRAFOLOGI BERDASARKAN HURUF a DAN t MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK JILLY PRATIWI
ANALISIS GRAFOLOGI BERDASARKAN HURUF a DAN t MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK JILLY PRATIWI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciGeneralisasi rata-rata (%)
Lingkungan Pengembangan Sistem Sistem dikembangkan menggunakan kompiler Matlab R2008b dan sistem operasi Windows 7. Spesifikasi hardware komputer yang digunakan adalah Processor Intel (R) Atom (TM) CPU
Lebih terperincilalu menghitung sinyal keluarannya menggunakan fungsi aktivasi,
LAMPIRAN 15 Lampiran 1 Algoritme Jaringan Syaraf Tiruan Propagasi Balik Standar Langkah 0: Inisialisasi bobot (bobot awal dengan nilai random yang paling kecil). Langkah 1: Menentukan maksimum epoch, target
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan membahas landasan teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teknik-teknik yang dibahas mengenai pengenalan pola, prapengolahan citra,
Lebih terperinciTINJAUAN PUSTAKA ,...(1)
3 TINJAUAN PUSTAKA Dalam bab ini akan dibahas teori-teori yang mendasari penelitian ini. Dimulai dari teori dan konsep citra digital, deteksi pola lingkaran dengan Circle Hough Transform (CHT), ekstrasi
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 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 2 HEMISPHERIC STRUCTURE OF HIDDEN LAYER NEURAL NETWORK, PCA, DAN JENIS NOISE Hemispheric structure of hidden layer neural network
BAB 2 HEMISPHERIC STRUCTURE OF HIDDEN LAYER NEURAL NETWORK, PCA, DAN JENIS NOISE Bab ini akan menjelaskan tentang Hemispheric Structure Of Hidden Layer Neural Network (HSHL-NN), Principal Component Analysis
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 terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output
Lebih terperinciBAB II DASAR TEORI. 2.1 Citra Digital
BAB II DASAR TEORI 2.1 Citra Digital Citra digital didefinisikan sebagai fungsi f (x,y) dua dimensi,dimana x dan y adalah koordinat spasial dan f(x,y) adalah disebut dengan intensitas atau tingkat keabuan
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 terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciPENGENALAN SPESIES NEMATODA PURU AKAR (Meloidogyne spp.) MELALUI KARAKTER MORFOLOGI EKOR MENGGUNAKAN JARINGAN SYARAF TIRUAN RONI BUDIMAN
PENGENALAN SPESIES NEMATODA PURU AKAR (Meloidogyne spp.) MELALUI KARAKTER MORFOLOGI EKOR MENGGUNAKAN JARINGAN SYARAF TIRUAN RONI BUDIMAN DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciKLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF
KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF Asti Rahma Julian 1, Nanik Suciati 2, Darlis Herumurti 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS
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 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 IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)
BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih 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 II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara
BAB II DASAR TEORI Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban
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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 JARINGAN SARAF SECARA BIOLOGIS Jaringan saraf adalah salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak
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 terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB III METODE PENELITIAN. Pemotong an Suara. Convert. .mp3 to.wav Audacity. Audacity. Gambar 3.1 Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Model Penelitian Penelitian yang dilakukan dapat dijelaskan melalui blok diagram seperti yang terlihat pada Gambar 3.1. Suara Burung Burung Kacer Burung Kenari Pengambil an
Lebih terperinciMETODOLOGI PENELITIAN
18 METODOLOGI PENELITIAN Kerangka Penelitian Sistem pengenalan roda kendaraan pada penelitian ini tampak pada Gambar 10, secara garis besar dapat dibagi menjadi dua tahapan utama yaitu, tahapan pelatihan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan pengenalan kata berdasarkan tulisan tangan huruf Korea (hangūl) menggunakan jaringan saraf tiruan propagasi balik.
Lebih terperinciBAB VIII JARINGAN SYARAF TIRUAN
BAB VIII JARINGAN SYARAF TIRUAN A. OTAK MANUSIA Otak manusia berisi berjuta-juta sel syaraf yang bertugas untuk memproses informasi. Tiaptiap sel bekerja seperti suatu prosesor sederhana. Masing-masing
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 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 terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
Lebih terperinciBAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL
BAB II TEORI DASAR PENGOLAHAN CITRA DIGITAL 2.1 Citra Secara harafiah, citra adalah representasi (gambaran), kemiripan, atau imitasi pada bidang dari suatu objek. Ditinjau dari sudut pandang matematis,
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 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 terperinciJaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum
Jaringan Syaraf Tiruan Disusun oleh: Liana Kusuma Ningrum Susilo Nugroho Drajad Maknawi M0105047 M0105068 M01040 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
Lebih terperinciBAB II LANDASAN TEORI. titiktitik penyusun citra itu sendiri. Titik-titik tersebut disebut dengan pixel. Banyaknya
BAB II LANDASAN TEORI 2. Citra/Image Citra atau yang lebih sering dikenal dengan gambar merupakan kumpulan dari titiktitik penyusun citra itu sendiri. Titik-titik tersebut disebut dengan pixel. Banyaknya
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 3 Contoh data Shorea hasil kodefikasi
8 disajikan contoh data Shorea hasil kodefikasi dari beberapa karakter yang bernilai nominal. Tabel 2 Karakter daun yang bernilai nominal Karakter Nilai Kode Bentuk tulang Tidak menempel 1 daun Permukaan
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang
BAB 3 PERANCANGAN SISTEM Bab ini menguraikan analisa penelitian terhadap metode Backpropagation yang diimplementasikan sebagai model estimasi harga saham. Analisis yang dilakukan adalah menguraikan penjelasan
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 terperinciImplementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital
JURNAL SAINS DAN SENI IS Vol. 6, No.1, (2017) 2337-3520 (2301-928X Print) A 18 Implementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital Zulfa Afiq Fikriya, Mohammad Isa Irawan, dan Soetrisno
Lebih terperinciBAB VIIB BACKPROPAGATION dan CONTOH
BAB VIIB BACKPROPAGATION dan CONTOH 7B. Standar Backpropagation (BP) Backpropagation (BP) merupakan JST multi-layer. Penemuannya mengatasi kelemahan JST dengan layer tunggal yang mengakibatkan perkembangan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Model sistem presensi biometri sidik jari yang dikembangkan secara garis
BAB III METODOLOGI PENELITIAN 3.1 Disain Penelitian Model sistem presensi biometri sidik jari yang dikembangkan secara garis besar terdiri atas bagian input, bagian proses, dan bagian output seperti gambar
Lebih terperinciPERANCANGAN ALGORITMA KRIPTOGRAFI KUNCI SIMETRI DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
PERANCANGAN ALGORITMA KRIPTOGRAFI KUNCI SIMETRI DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Ibrahim Arief NIM : 13503038 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung
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 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 terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciBAB 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 terperinciEVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN
EVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN (Studi Kasus pada Pengenalan Karakter Angka Tulisan Tangan) Iwan Suhardi Jurusan Teknik
Lebih terperinciz_in ( ) dan mengaplikasikan fungsi aktivasi untuk menghitung sinyal output ( ) Propagasi balik:
LAMPIRAN 4 Lampiran Algoritma aringan syaraf tiruan propagasi balik Langkah 0 Inisialisasi bobot Langkah Selama kondisi berhenti bernilai salah, lakukan langkah -9. Langkah Untuk setiap pasangan, lakukan
Lebih terperinciBab 5 Penerapan Neural Network Dalam Klasifikasi Citra Penginderaan Jauh
Penerapan Neural Dalam Klasifikasi Citra Penginderaan Jauh Klasifikasi citra penginderaan jarak jauh (inderaja) merupakan proses penentuan piksel-piksel masuk ke dalam suatu kelas obyek tertentu. Pendekatan
Lebih terperinciANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Jaringan Saraf Tiruan (JST) Jaringan saraf tiruan pertama kali secara sederhana diperkenalkan oleh McCulloch dan Pitts pada tahun 1943. McCulloch dan Pitts menyimpulkan bahwa
Lebih terperinciNeural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network
Neural Network (NN) adalah suatu prosesor yang melakukan pendistribusian secara besar-besaran, yang memiliki kecenderungan alami untuk menyimpan suatu pengenalan yang pernah dialaminya, dengan kata lain
Lebih terperinciANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA
ISSN: 1693-6930 159 ANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA Iwan Suhardi, Riana T. Mangesa Jurusan
Lebih terperinciBAB II. Penelitian dengan jaringan syaraf tiruan propagasi balik. dalam bidang kesehatan sebelumnya pernah dilakukan oleh
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian dengan jaringan syaraf tiruan propagasi balik dalam bidang kesehatan sebelumnya pernah dilakukan oleh Sudharmadi Bayu Jati Wibowo
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Biometrik adalah ilmu untuk menetapkan identitas seseorang berdasarkan ciri fisik, kimia, ataupun tingkah laku dari orang tersebut. Dewasa ini, biometrik telah menjadi suatu
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 terperinciBAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
29 BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Pada dasarnya untuk pembuatan aplikasi ini, yakni aplikasi pengenalan suara untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian yang dilakukan dapat dijelaskan dengan lebih baik melalui blok diagram seperti yang terliat pada Gambar 3.1. Suara Manusia Rekam suara Hasil rekaman
Lebih terperinciBAB 4 DISAIN MODEL. Pengguna. Citra. Ekstraksi Ciri x. Antar muka (Interface) Data Hasil Ekstraksi Ciri. Testing dan Identifikasi.
33 BAB 4 DISAIN MODEL Disain model sistem identifikasi citra karang dirancang sedemikian rupa dengan tuuan untuk memudahkan dalam pengolahan data dan pembuatan aplikasi serta memudahkan pengguna dalam
Lebih terperinciJaringan Syaraf Tiruan
Jaringan Syaraf Tiruan (Artificial Neural Network) Intelligent Systems Pembahasan Jaringan McCulloch-Pitts Jaringan Hebb Perceptron Jaringan McCulloch-Pitts Model JST Pertama Diperkenalkan oleh McCulloch
Lebih terperinciARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A
ARTIFICIAL NEURAL NETWORK CAHYA YUNITA 5213100001 ALVISHA FARRASITA 5213100057 NOVIANTIANDINI 5213100075 TEKNIK PERAMALAN - A MATERI Neural Network Neural Network atau dalam bahasa Indonesia disebut Jaringan
Lebih terperinciSISTEM PENGENALAN WAJAH REAL-TIME DALAM RUANG EIGEN DENGAN SEGMENTASI BERDASARKAN WARNA KULIT. Agus Buono, Ahmad Ridha, Hanief Bastian
SISTEM PENGENALAN WAJAH REAL-TIME DALAM RUANG EIGEN DENGAN SEGMENTASI BERDASARKAN WARNA KULIT Agus Buono, Ahmad Ridha, Hanief Bastian 1 Staf Pengajar Departemen Ilmu Komputer, Fakultas Matematika dan IPA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Aksara Batak Aksara adalah suatu sistem simbol visual yang tertera pada kertas maupun media lainnya (batu, kayu, kain, dll) untuk mengungkapkan unsur-unsur yang ekspresif dalam
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Penerapan Jaringan Syaraf Tiruan Untuk Estimasi Needs
Lebih terperinciOPTICAL CHARACTER RECOGNIZATION (OCR)
LAPORAN JARINGAN SYARAF TIRUAN OPTICAL CHARACTER RECOGNIZATION (OCR) DISUSUN OLEH: DIJAS SCHWARTZ. S (524) FIRNAS NADIRMAN (481) INDAH HERAWATI (520) NORA SISKA PUTRI (511) OKTI RAHMAWATI (522) EKSTENSI
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 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 terperinciANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN
ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN Jasmir, S.Kom, M.Kom Dosen tetap STIKOM Dinamika Bangsa Jambi Abstrak Karyawan atau tenaga kerja adalah bagian
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
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 terperinciIMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI
IMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI Andi Harmin Program Studi : Teknik Komputer STMIK Profesional Makassar andiharmin1976@gmail.com
Lebih terperinciBACK PROPAGATION NETWORK (BPN)
BACK PROPAGATION NETWORK (BPN) Arsitektur Jaringan Digunakan untuk meminimalkan error pada output yang dihasilkan oleh jaringan. Menggunakan jaringan multilayer. Arsitektur Jaringan Proses belajar & Pengujian
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Indonesia merupakan negara yang memiliki kawasan hutan hujan tropis dengan keanekaragaman spesies tumbuhan yang sangat tinggi dan formasi hutan yang beragam. Dipterocarpaceae
Lebih terperinciDOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Chairisni Lubis 1, Yoestinus 2 1 Fakultas Teknologi Informasi, Universitas Tarumanagara-Jakarta, Chairisni.fti.untar@gmail.com
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
7 BAB 2 TINJAUAN PUSTAKA 2.1 Jaringan Syaraf Biologi Otak manusia memiliki struktur yang sangat kompleks dan memiliki kemampuan yang luar biasa. Otak terdiri dari neuron-neuron dan penghubung yang disebut
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1. 1 Latar Belakang Jaringan saraf buatan merupakan kumpulan dari elemen-elemen pemrosesan buatan yang disebut neuron. Sebuah neuron akan mempunyai banyak nilai masukan yang berasal dari
Lebih terperinciPREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Dwi Marisa Midyanti Sistem Komputer Universitas Tanjungpura Pontianak Jl Prof.Dr.Hadari Nawawi, Pontianak
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra terbagi 2 yaitu ada citra yang bersifat analog dan ada citra yang bersifat
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 terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)
ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo
Lebih terperinciMODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA
MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA Ramli e-mail:ramli.brt@gmail.com Dosen Tetap Amik Harapan Medan ABSTRAK Jaringan Syaraf Tiruan adalah pemrosesan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
Lebih terperinciBAB 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 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 terperinciArsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah memin
BACK PROPAGATION Arsitektur Jaringan Salah satu metode pelatihan terawasi pada jaringan syaraf adalah metode Backpropagation, di mana ciri dari metode ini adalah meminimalkan error pada output yang dihasilkan
Lebih terperinciTOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA
Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan
Lebih terperinciJARINGAN SYARAF TIRUAN
JARINGAN SYARAF TIRUAN 8 Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut. Istilah
Lebih terperinciPEMILIHAN WARNA LIPSTIK BERDASARKAN INFORMASI USIA DAN WARNA KULIT DENGAN MENGGUNAKAN METODA ARTIFICIAL NEURAL NETWORK
PEMILIHAN WARNA LIPSTIK BERDASARKAN INFORMASI USIA DAN WARNA KULIT DENGAN MENGGUNAKAN METODA ARTIFICIAL NEURAL NETWORK Bilqis Amaliah 1, Amethis Oktaorora 2 1,2 Teknik Informatika, FTIf - ITS,Surabaya
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 terperinci