BAB III ANALISIS DAN PERANCANGAN
|
|
- Glenna Sudjarwadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB III ANALISIS DAN PERANCANGAN Bab ini memaparkan proses analisis dan perancangan perangkat lunak yang akan dikembangkan. Metode analisis dan perancangan yang digunakan berbasis aliran data dan kelas. 3.1 Metodologi Pembangunan Perangkat Lunak Pembangunan perangkat lunak menggunakan metodologi unified modelling language. Metodologi ini berpusat pada tiga tipe kelas, yaitu kelas entity, boundary, dan control. Selain ketiga tipe kelas tersebut, terdapat kelas yang lain, yaitu kelas antar muka, yang berfungsi untuk menyimpan semua properti dari antar muka yang digunkan. 3.2 Analisis Proses analisis perangkat lunak dilakukan dengan langkah-langkah sebagai berikut: 1. Mendeskripsikan secara global perangkat lunak dan interaksinya dengan entitasentitas luar. 2. Berdasarkan kajian teori dan penerapan teori yang telah dilakukan, mendefinisikan fungsi-fungsi utama yang harus dimiliki oleh sistem. Fungsifungsi ini kemudian didekomposisi menjadi fungsi-fungsi yang lebih kecil dan sederhana. 3. Menentukan keterkaitan antar fungsi dengan membuat diagram aliran data (Data Flow Diagram) 4. Menentukan kebutuhan data, baik data masukan, keluaran, maupun data yang berperan pada setiap fungsi utama. 5. Menentukan kebutuhan antar muka pengguna sebagai fasilitas bagi pengguna untuk berinteraksi dengan perangkat lunak.
2 III Deskripsi Global Sistem dalam Model Fungsional Sistem ini adalah sebuah aplikasi perangkat lunak yang menerapkan Image Preprocessing, jaringan saraf tiruan, dan algoritma genetik untuk menyelesaikan masalah OCR. Sistem menerima masukan dari pengguna berupa data angka MNIST melalui fasilitas antar muka yang disediakan. Secara iteratif, sistem akan membangkitkan solusi dan menampilkannya kepada pengguna. Output yang dihasilkan pada proses training adalah rules. Sedangkan output yang dihasilkan pada proses testing adalah nilai akurasi dan guess output. Aspek sistem yang berkaitan dengan transformasi nilai, dengan suatu fungsi atau pemetaan tertentu akan digambarkan oleh model fungsional. Model fungsional menunjukkan apa yang dilakukan oleh suatu sistem, tanpa memperhatikan bagaimana ataupun kapan hal itu akan dilakukan. Model fungsional direpresentasikan dengan konteks diagram dan diagram aliran data (data flow diagram, disingkat DFD). Konteks diagram dan diagram aliran data menunjukkan ketergantungan antara nilai dan perhitungan nilai keluaran dengan menggunakan nilai masukan dan fungsi tertentu, tanpa mempedulikan kapan fungsi tersebut dieksekusi. Diagram Flowchart aplikasi dapat dilihat di LAMPIRAN A. Diagram konteks dapat dilihat pada Gambar III.11 Image Data MNIST Parameter Sistem Rule Guess output Akurasi Gambar III.1 Diagram Konteks Pada proses pelatihan, data training MNIST akan melalui proses image preprocessing yang akan menghasilkan data normal. Data normal tersebut akan menjadi masukan dari GA. GA akan membangkitkan populasi dengan menggunakan mini JST (1 epoch). GA akan menghasilkan sebuah rule / bobot awal yang akan digunakan oleh JST. Rule hasil GA dan data normal akan diproses oleh JST untuk menghasilkan rule akhir. Rule akhir
3 III-3 inilah yang akan digunakan untuk pengujian. Dapat dikatakan bahwa GA akan mengoptimasi bobot awal dari JST. Pada proses pengujian, data testing MNIST akan melalui proses image preprocessing yang sama dengan training dan menghasilkan data normal. Data normal tersebut akan dimasukan pada rule akhir hasil training untuk menghasilkan guess output. Guess output akan dibandingkan dengan label dari data testing MNIST dalam proses pengujian. Proses tersebut akan menghasilkan akurasi dari rule hasil pelatihan tersebut Analisis Kebutuhan Fungsional Mengacu kepada hasil kajian penerapan GA dan JST pada sistem dan teori OCR dan diagram konteks, maka sistem perlu mengimplementasi fungsi-fungsi utama sebagai berikut: 1. Sistem mampu menerima masukan parameter-parameter indikator dari pengguna dalam bentuk data MNIST. 2. Sistem mampu membangkitkan populasi awal valid GA atau JST secara acak. 3. Sistem mampu mengimplementasi operator-operator genetik (reproduksi, persilangan, dan mutasi). 4. Sistem mampu mengimplementasi operator evaluasi dan seleksi. 5. Sistem mampu mengimplementasi prosedur JST. 6. Sistem mampu menampilkan hasil eksekusi dan menampilkan solusi terbaik Analisis Kebutuhan Data Sistem bertugas untuk menghasilkan sebuah rule untuk masalah OCR, dan untuk itu dibutuhkan beberapa data masukan dari pengguna Data Masukan (Input) Data masukan yang diperlukan oleh sistem adalah sebagai berikut: 1. Ukuran populasi, yaitu ukuran populasi yang dikehendaki.
4 III-4 2. Pc, yaitu nilai probabilitas terjadinya persilangan. 3. Pm, yaitu nilai probabilitas terjadinya mutasi. 4. Jumlah iterasi, yaitu jumlah iterasi yang akan dilakukan oleh sistem. 5. Jumlah hidden unit, yaitu jumlah unit tersembunyi antara input dan output JST. 6. Learning rate, yaitu kecepatan pembelajaran sistem JST. 7. Epoch, yaitu jumlah iterasi pada JST Data Keluaran (Output) Output yang dihasilkan oleh sistem training adalah sebuah rule solusi terbaik terhadap masalah OCR. Sedangkan output yang dihasilkan oleh sistem testing adalah guess output dan nilai akurasi dari rule hasil training tersebut Analisis Kebutuhan Antarmuka Pangguna Antar muka pengguna dibutuhkan untuk menerima dan menampilkan hasil eksekusi program. Beberapa antar muka yang diperlukan adalah: 1. Antar muka training dan testing 2. Antar muka untuk pemilihan arsip set data 3. Antar muka image preprocessing 4. Antar muka parameter GA (Pm, Pc, jumlah iterasi, ukuran populasi) 5. Antar muka parameter JST (hidden unit, learning rate, epoch) 6. Antar muka keluaran sistem. 3.3 Perancangan Perancangan akan berisi perancangan antar muka, perancangan use case, perancangan kelas dan realisasi use case.
5 III Perancangan Antar Muka Tujuan dari perancangan antarmuka adalah agar pengguna bisa berinteraksi dengan perangkat lunak dengan baik. Aplikasi ini mempunyai dua antar muka utama. Antar muka pertama adalah antar muka training. Antar muka ini berguna untuk melakukan pelatihan pada sistem untuk dapat menghasilkan rule terbaik untuk masalah OCR. Antar muka kedua adalah antar muka testing. Antar muka ini berguna untuk melakukan pengujian terhadap rule yang telah didapat pada proses pelatihan. Input Data Tampilan Data Digit Input Preprocessing Proses Genetic Algorithm Run GA Artificial Neural Network Run ANN Tampilkan Gambar III.2 Rancangan Antar Muka
6 III Perancangan Use Case Tabel III.1 Use Case menggambarkan semua use case yang akan terdapat pada sistem. Tabel III.1 Use Case No Nama Use Keterangan Case 1. Input data Untuk aktor memasukkan nama dari arsip yang berisi data MNIST. 2. Input parameter GA Untuk aktor memasukkan nilai dari parameter. Terdapat empat parameter yang akan dimasukkan oleh aktor. Parameter Ukuran Populasi berguna untuk menentukan ukuran populasi yang akan dibuat oleh sistem. Parameter Jumlah Iterasi berguna untuk menentukan berapa kali sistem akan melakukan iterasi proses. Parameter Pc berguna untuk menentukan kemungkinan terjadinya persilangan dalam sistem. Parameter Pm berguna untuk menentukan kemungkinan terjadinya mutasi dalam sistem. 3. Input parameter JST Untuk aktor memasukkan nilai dari parameter. Terdapat tiga parameter yang akan dimasukkan oleh aktor, yaitu jumlah hidden unit, lerning rate, dan jumlah epoch. 4. Output hasil Untuk menampilkan hasil pengujian dan rule terbaiknyanya pada 5. Membangkitkan populasi pengguna. Untuk membangkitkan populasi secara acak dengan ukuran populasi seperti yang dimasukkan oleh pengguna. 6. Melakukan evaluasi 7. Melakukan seleksi 8. Melakukan persilangan 9. Melakukan mutasi 10. Melakukan proses JST 10. Melakukan pengujian Untuk menghitung nilai fitness dari setiap kromosom yang terdapat pada populasi. Untuk memilih kromosom-kromosom terbaik dari populasi. Untuk melakukan persilangan antara kromosom-kromosom terbaik dan menghasilkan kromosom-kromosom turunan atau offspring dengan nilai Pc sesuai dengan yang dimasukkan oleh pengguna. Untuk melakukan mutasi terhadap kromosom-kromosom terbaik dan offspring dengan nilai Pm sesuai dengan yang dimasukkan oleh pengguna. Untuk melakukan proses JST dengan jumlah hidden unit, learning rate, dan jumlah epoch yang telah dimasukkan oleh pengguna. Untuk menentukan nilai akurasi rule hasil training pada data test Perancangan Kelas Sesuai dengan unified modelling language [BOG02], dalam aplikasi ini terdapat tiga tipe kelas. Yaitu kelas Boundary, Entity, dan Control. Diagram kelas dapat dilihat pada Gambar III.3.
7 III-7 MainProcess +InputData() +ImagePreprocessing() +InputDataHVD() +NormalisasiData() +InputImageSkeleton() +InputDataNormal() +RunGA() +InisialisasiBobotANN() +RunANN() +InputTestRule() +RunTest() +Tampilkan() -End9 -End4 -End1 -End5 -End3 -End6 -End10 InputData-End2 DataPreprocessing GeneticAlgorithm ArtificialNeuralNetwork +GetnLabel() : Integer +GetnRow() : Integer +GetnCol() : Integer +GetDataLabel() : Integer +GetDataGambar() : Byte +InputDataLabel() +InputDataGambar() -End7 +Binerisasi() +NoiseReduction() +Thinning() +Centering() +HitungDataHVD() +InputDataNormal() +GetDataNormal() : Double +Rata2() : Double +StdDev() : Double +Normalisasi() : Double +NormalisasiData() +TampilData() -End8 -End11 InitVar -End12 -End14 +GetnLabel() : Integer +GetnRow() : Integer +GetnCol() : Integer +GetnHVD() : Integer +GetnInput() : Integer +GetnHidden() : Integer +GetnOutput() : Integer +GetnKromosom() : Integer -End16 +ANN2GA() +Inisialisasi() +Seleksi() +Crossover() +Mutasi() +Reproduksi() +Offspring2Populasi() +GA2ANN() +Evaluasi() +Proses() -End13 Gambar III.3 Diagram Kelas -End15 +GetnInput() : Integer +GetnHidden() : Integer +GetnOutput() : Integer +GetNilaiOutput() : Double +GetBobotIH() : Double +GetBobotHO() : Double +SetBobotIH() +SetBobotHO() +InisialisasiBobotRandom() +InisialisasiInputData() +Inj() : Double +Ginj() : Double +HitungHidden() +HitungIni() +Gini() : Double +HitungOutput() +G1ini() : Double +Errori() : Double +HitungDeltai() +G1inj() : Double +HitungDeltaj() +UbahBobotHO() +BackProp() +UbahBobotIH() +HitungSSE() : Double +HitungRMSE() : Double +HitungSalah() : Integer +HitungAkurasi() : Double +Proses() +InputRule() +Test()
8 III Realisasi Use Case Rancangan realisasi dari use case yang terdapat dalam Perancangan Use Case dapat dilihat dalam dua bentuk. Bentuk pertama adalah dalam diagram kelas yang menggambarkan hubungan dari kelas-kelas dalam merealisasikan suatu use case. Bentuk kedua adalah dalam sequence diagram yang menggambarkan aksi-aksi apa saja yang terdapat dalam use case tersebut. Diagram kelas use case dapat dilihat pada LAMPIRAN B.
BAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN Bab ini memaparkan proses analisis dan perancangan perangkat lunak yang akan dikembangkan. Metode analisis dan perancangan yang digunakan berbasis aliran data dan kelas.
Lebih terperinciOPTIMASI JARINGAN SARAF TIRUAN PADA OPTICAL CHARACTER RECOGNITION DENGAN MENGGUNAKAN IMAGE PREPROCESSING DAN ALGORITMA GENETIK
OPTIMASI JARINGAN SARAF TIRUAN PADA OPTICAL CHARACTER RECOGNITION DENGAN MENGGUNAKAN IMAGE PREPROCESSING DAN ALGORITMA GENETIK LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana Oleh:
Lebih terperinciBAB I PENDAHULUAN. 1.1 Pendahuluan
I-1 BAB I PENDAHULUAN Pada bab ini diuraikan mengenai latar belakang, rumusan masalah, tujuan, serta batasan masalah dari tugas akhir. Selain itu, bab ini juga memaparkan metodologi dan sistematika pembahasan
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciBAB III ANALISA MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM III.1. Analisa Masalah Perkembangan game dari skala kecil maupun besar sangat bervariasi yang dapat dimainkan oleh siapa saja tanpa memandang umur, dari anak
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
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 terperinciPREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU
PREDIKSI PERMINTAAN KREDIT MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI SAMUEL ANTHONIUS MADUWU 091402118 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI
Lebih terperinci2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii BERITA ACARA DEMO SOFTWARE TUGAS AKHIR... iv SURAT PERNYATAAN KARYA ASLI TUGAS AKHIR...v ABSTRAK.....vi
Lebih terperinci1 Pendahuluan. 1.1 Latar Belakang Masalah
1 Pendahuluan 1.1 Latar Belakang Masalah Kebutuhan masyarakat akan perkiraan cuaca terutama curah hujan ini menjadi sangat penting untuk merencanakan segala aktifivitas mereka. Curah hujan juga memiliki
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka berpikir Perubahan nilai tukar rupiah terhadap mata uang asing tidak dapat dihindari. Untuk mengatasi perubahan yang tidak pasti ini diperlukan suatu prediksi.
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciSTUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA
STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA (Agustinus N., et al. STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA Agustinus Noertjahyana
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3 Agar penelitian yang dilakukan sesuai dengan tujuan yang diharapkan maka diperlukan langkah-langkah yang tersusun secara sistematis seperti yang dijabarkan pada gambar 3.1
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Makanan merupakan salah satu hal utama untuk mendukung tubuh dalam melakukan berbagai aktifitas. Kandungan berbagai unsur penting dalam makanan seperti karbohidrat,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM. analisis, desain/perancangan, kode, dan pengujian/implementasi. Tahap analisis
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Perancangan program simulasi dalam skripsi ini terdiri dari empat tahapan, yaitu analisis, desain/perancangan, kode, dan pengujian/implementasi. Tahap analisis kebutuhan,
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas dahulu merupakan alat pembayaran transaksi ekonomi yang digunakan di suatu negara dengan negara lainnya. Sebagai alat tukar, emas dahulu memegang pengaruh yang
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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Tinjauan Literatur Algoritma genetik merupakan salah satu algoritma yang biasanya digunakan dalam optimalisasi data. Namun penggunaan algoritma genetik dalam melakukan peramalan
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM Perancangan program aplikasi dalam skripsi ini menggunakan aturan linear sequential atau waterfall. Metode ini terdiri dari empat tahapan, yaitu : analisis, perancangan,
Lebih terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
Lebih terperinciPEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS
PEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS Diana Purwitasari 1, Glory Intani Pusposari 2, Rully Sulaiman 3 Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciImplementasi Genetic Algorithm Dan Artificial Neural Network Untuk Deteksi Dini Jenis Attention Deficit Hyperactivity Disorder
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februari 2018, hlm. 688-694 http://j-ptiik.ub.ac.id Implementasi Genetic Algorithm Dan Artificial Neural Network
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciABSTRAK. Kata kunci : Aplikasi, Penjadwalan, Algoritma Genetika. viii
ABSTRAK Di program studi Teknik Informatika UPN Veteran Yogyakarta, mahasiswa yang akan melakukan pendadaran tidak bisa menentukan jadwal pendadarannya sendiri. Mahasiswa hanya menunggu jadwal pendadaran
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
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 terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciModel Prediksi Berbasis Neural Network untuk Pengujian Perangkat Lunak Metode Black-Box
Model Prediksi Berbasis Neural Network untuk Pengujian Perangkat Lunak Metode Black-Box Zulkifli Program Studi Teknik Informatika STMIK Teknokrat Bandar Lampung, Indonesia zulkiflist34@yahoo.co.id Abstrak
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
34 BAB 3 METODOLOGI PENELITIAN 3.1. Pendahuluan Pengenalan pola (pattern recognition) adalah proses klasifikasi dari suatu objek atau pola menjadi beberapa kategori atau kelas, yang mana bertujuan untuk
Lebih terperinciBAB III PEMBAHASAN. Dalam pembuatan sistem informasi pengarsipan surat ini mempunyai dua
BAB III PEMBAHASAN 3.1 Flow Map Dalam pembuatan sistem informasi pengarsipan surat ini mempunyai dua buah flowmap yaitu flow map surat masuk dan surat keluar. Dimana flow map ini menndefinisikan dari sebuah
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciClass Diagram Activity Diagram Entity Relationship Diagram (ERD) MySQL CodeIgniter
DAFTAR ISI KATA PENGANTAR... i ABSTRAK... ii ABSTRACT... iii DAFTAR ISI... iv DAFTAR GAMBAR... ix DAFTAR TABEL... xii DAFTAR LAMPIRAN... xiv BAB 1 PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah...
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-222
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-222 Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara Adam Mizza Zamani, Bilqis Amaliah
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM
PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM Danuri Teknologi Informasi Politeknik Bengkalis Jl. Bathin Alam, Sei-Alam, Bengkalis
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciPREDICTION OF AGRICULTURAL COMMODITIES PRICE USING HYBRID RADIAL BASIS FUNCTION NEURAL NETWORK WITH GENETIC ALGORITHM
PREDIKSI HARGA KOMODITAS PERTANIAN MENGGUNAKAN HYBRID ALGORITMA JARINGAN SYARAF TIRUAN ARSITEKTUR RADIAL BASIS FUNCTION (RBF) DENGAN ALGORITMA GENETIKA PREDICTION OF AGRICULTURAL COMMODITIES PRICE USING
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Jaringan Syaraf Tiruan (artificial neural network), atau disingkat JST menurut Hermawan (2006, hlm.37) adalah sistem komputasi dimana arsitektur dan operasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang didapatkan sesuai dengan
Lebih terperinciPENERAPAN METODE JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK MEMPREDIKSI NILAI UJIAN SEKOLAH
PENERAPAN METODE JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK MEMPREDIKSI NILAI UJIAN SEKOLAH Sandy Kosasi STMIK Pontianak Jl. Merdeka No. 372 Pontianak, Kalimantan Barat e-mail: sandykosasi@yahoo.co.id
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan sistematika tahapan yang dilaksanakan selama pembuatan penelitian tugas akhir. Secara garis besar metodologi penelitian tugas akhir ini dapat
Lebih terperinciKomparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation
Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang ini komputer memiliki peran yang cukup besar dalam membantu menyelesaikan pekerjaan manusia. Seiring dengan perkembangan teknologi dan kecerdasan
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
Lebih terperinciVukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya.
BAB I PENDAHULUAN 1.1. Latar Belakang Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid yang menggabungkan dua buah model soft computing yaitu algoritma genetika dan logika fuzzy. FEA
Lebih terperinciSKRIPSI HYBRIDRADIAL BASIS FUNCTION(RBF) DENGAN ALGORITMA GENETIKA DAN ALGORITMA SIMULATED ANNEALING UNTUK PREDIKSI KONSUMSI LISTRIK
SKRIPSI HYBRIDRADIAL BASIS FUNCTION(RBF) DENGAN ALGORITMA GENETIKA DAN ALGORITMA SIMULATED ANNEALING UNTUK PREDIKSI KONSUMSI LISTRIK LUTHFI HIDAYATI PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.
5 Mulai HASIL DAN PEMBAHASAN Kromosom P = rand [0,1] Ya P < Pm R = random Gen(r) dimutasi Selesai Tidak Gambar 7 Diagram alur proses mutasi. Hasil populasi baru yang terbentuk akan dievaluasi kembali dan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciBAB 3 Metodologi 3.1 Kerangka Berpikir
BAB 3 Metodologi 3.1 Kerangka Berpikir Kerusakan bangunan akibat gempa bumi menjadi salah satu penyebab dominan jatuhnya korban jiwa. Dibutuhkan suatu upaya untuk meminimalisasikan kerusakan bangunan akibat
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa Sistem Analisa sistem merupakan langkah awal yang dilakukan sebelum tahap implementasi. Analisa sistem pada penelitian ini meliputi: PENGUMPULAN DATA
Lebih terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam perkembangan teknologi yang semakin pesat ini banyak sekali perubahan perkembangan yang telah terjadi untuk membantu kehidupan masyarakat. Dalam perkembangan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM Analisis merupakan proses penguraian konsep ke dalam bagian-bagian yang lebih sederhana, sehingga struktur logisnya menjadi jelas. Metode untuk menguji, menilai, dan
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinci3.6 Data Mining Klasifikasi Algoritma k-nn (k-nearest Neighbor) Similaritas atribut numerik
DAFTAR ISI PERNYATAAN... iii PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR ALGORITMA... xvi DAFTAR LAMPIRAN... xvii INTISARI... xviii ABSTRACT...
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciPerbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek
Perbandingan Algoritma Exhaustive, Algoritma Genetika Dan Algoritma Jaringan Syaraf Tiruan Hopfield Untuk Pencarian Rute Terpendek Rudy Adipranata 1, Felicia Soedjianto 2, Wahyudi Tjondro Teknik Informatika,
Lebih terperinciTUGAS APPLBO. Oleh: ANDRHY YUDA BAKTI
TUGAS APPLBO Oleh: ANDRHY YUDA BAKTI 09121402013 JURUSAN TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS SRIWIJAYA TAHUN AJARAN 2014/2015 OPTIMASI SUDOKU X MENGGUNAKAN ALGORITMA ARTIFICIAL BEE COLONY
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum 2.1.1 Genetic Algorithm Genetic algorithm adalah suatu algoritma yang biasanya digunakan untuk mencari solusi-solusi yang optimal untuk berbagai masalah
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciPenentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika
IJCCS, Vol.9, No.1, January 2015, pp. 77~88 ISSN: 1978-1520 77 Penentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika Christian Dwi Suhendra*
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 terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciSTANDART PENGUJIAN PADA LAPORAN TUGAS AKHIR PRODI TI STMIK ASIA MALANG T.A 2017/2018
STANDART PENGUJIAN PADA LAPORAN TUGAS AKHIR PRODI TI STMIK ASIA MALANG T.A 201/2018 1. Data Mining a. Uji Cross Validation c. Uji Pelatihan 2. Jaringan Syaraf Tiruan a. Uji Cross Validation c. Uji Pelatihan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sistem Berjalan 3.1.1. Penyusunan Menu Makanan Dalam penyusunan menu makanan banyak hal yang perlu diperhatikan, terutama jika menu makanan yang disusun untuk
Lebih terperinciBAB IV PERANCANGAN 4.1 Perancangan Arsitektur Sistem Kebutuhan Perangkat Lunak Tabel 4.1
BAB IV PERANCANGAN 4.1 Perancangan Arsitektur Sistem Perancangan sistem untuk aplikasi pencarian resep masakan ini menggunakan UML. Unified Modelling Language(UML) adalah himpunan struktur dan teknik untuk
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi penelitian digunakan sebagai pedoman dalam pelaksanaan penelitian agar hasil yang dicapai tidak menyimpang dari tujuan yang telah dilakukan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar 3.1 menggambarkan desain penelitian peramalan volume penumpang kereta api di pulau Jawa-Sumatera dengan metode Jaringan Syaraf Tiruan Backpropagation.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perangkat keras komputer berkembang dengan pesat setiap tahunnya selalu sudah ditemukan teknologi yang lebih baru. Meskipun demikian masih banyak hal yang belum dapat
Lebih terperinciKATA PENGANTAR. Bukit Jimbaran, Agustus 2017 Penyusun. A.A. Gde Ari Sudana
ABSTRAK Masalah kepadatan lalu lintas merupakan hal umum yang dijumpai di kotakota besar, salah satunya di Kota Denpasar. Salah satu faktor penyebabnya adalah banyaknya jumlah kendaraan pribadi. Solusi
Lebih terperinciSISTEM DETEKSI DINI KANKER PAYUDARA MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN MOMENTUM DAN ALGORITMA NGUYEN WIDROW
SISTEM DETEKSI DINI KANKER PAYUDARA MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DENGAN MOMENTUM DAN ALGORITMA NGUYEN WIDROW SKRIPSI Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana
Lebih terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIK UNTUK MENYELESAIKAN MASALAH TRAVELING SALESMAN PROBLEM (STUDI KASUS: SATUAN KERJA PERANGKAT DAERAH KOTA MEDAN)
IMPLEMENTASI ALGORITMA GENETIK UNTUK MENYELESAIKAN MASALAH TRAVELING SALESMAN PROBLEM (STUDI KASUS: SATUAN KERJA PERANGKAT DAERAH KOTA MEDAN) DRAFT SKRIPSI RAJO PANANGIAN HARAHAP 111421045 PROGRAM STUDI
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
Lebih terperinciBAB I PENDAHULUAN 1 Pendahuluan 1.1 Latar Belakang Masalah Grafologi atau analisis tulisan tangan adalah metode ilmiah untuk mengidentifikasi,
BAB I PENDAHULUAN 1 Pendahuluan 1.1 Latar Belakang Masalah Grafologi atau analisis tulisan tangan adalah metode ilmiah untuk mengidentifikasi, mengevaluasi dan pemahaman karakter seseorang melalui pola
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciBAB II DASAR TEORI. 2.1 Optical Character Recognition (OCR)
BAB II DASAR TEORI Pada bab ini diuraikan teori-teori yang mendasari pembuatan tugas akhir. Teori-teori ini meliputi pembahasan mengenai konsep mengenai OCR, image preprocessing, serta pattern recognition,
Lebih terperinciABSTRAK. Kata Kunci : Curah Hujan, Levenberg Marquardt, Backpropagation. ABSTRACT
ABSTRAK Dufan, Ariel. 2016. Prediksi Curah Hujan Dengan Menggunakan Algoritma Levenberg- Marquardt Dan Backpropagation (Studi Kasus : BMKG Kota Tanjungpinang), Skripsi. Tanjungpinang: Jurusan Teknik Informatika,
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
Lebih terperinci