ALGORITMA THRESHOLDING ADAPTIF UNTUK BINERISASI CITRA DOKUMEN BERWARNA
|
|
- Vera Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Vol. 2, No. 2 Desember 2011 ISSN ALGORITMA THRESHOLDING ADAPTIF UNTUK BINERISASI CITRA DOKUMEN BERWARNA Eka Mala Sar Rochman 1), Ratna Nur Tara Shanty 2), Dyah S Rahayu 3) Unverstas Trunojoyo 1), Insttut Teknolog Sepuluh Nopember 2,3) E-Mal : ekamala.sar@yahoo.com 1), ratnanurtara@gmal.com 2), deerahayu@gmal.com 3) ABSTRAK Thresholdng merupakan cara segmentas yang palng sederhana. Meskpun telah banyak metode thresholdng yang dusulkan, metode thresholdng yang optmal untuk mengenal tulsan pada ctra dokumen dengan warna berbeda mash menjad hal yang menark untuk dtelt. Dengan menyajkan algortma thresholdng ctra dokumen yang berntenstas warna Red, Green, dan Blue peneltan n menghaslkan hasl yang optmal dan komplekstas komputas yang rendah, sehngga dperlukan waktu yang sngkat pada proses komputasnya. Terdapat 3 proses dalam metode n yatu: penentuan batas latar terluar dan penentuan jangkauan ntenstas derajat keabuan latar, ekstraks tap objek menggunakan Horzontal Scan Lne dan Vertcal Scan Lne, dan yang terakhr bnersas tap objek. Pengukuran performans metode n menggunakan OCR (Optcal Character Recognton). Metode n dapat melakukan bnersas ctra dokumen berwarna secara adaptf dengan kualtas yang bak. Hasl pengukuran performans menunjukkan tngkat akuras pengenalan karakter sebesar 67.92% dengan waktu komputas kurang dar 1 detk. Kata Kunc: Thresholdng, Horzontal Scan Lne, Vertcal Scan Lne ABSTRACT Thresholdng s the smplest way for segmentaton. Although there are so many methods have been proposed, the optmal thresholdng method for character recognton n a document mage wth varous colors has been becomng an nterestng thng for beng nvestgated. By servng thresholdng algorthm for color document whch has three levels of colors: Red, Green and Blue, ths paper produces optmal results and low computatonal complexty. Generally, the method conssts of three steps, they are: determnng the outer boundary and the range of gray levels ntensty, extractng each object usng Horzontal Scan Lne and Vertcal Scan Lne, and dong bnarzaton of each object. To measure the performance of our method, we use OCR (Optcal Character Recognton). Ths method has ablty for dong adaptve bnarzaton of color document n good qualty. The result of performance measurement ndcates the average accuracy rate s about 67.92% and the computatonal tme s less than 1 second. Keywords: Thresholdng, Horzontal Scan Lne, Vertcal Scan Lne PENDAHULUAN Munculnya dokumen berwarna menngkat serng dengan perkembangan teknolog percetakan. Pengamblan nformas yang pentng dar dokumen berwarna secara otomats memunculkan suatu permasalahan tentang bagamana mekansme pengubahan ctra dokumen ke dalam komputer. Sepert mengubah ctra tulsan tangan, ataupun karakter cetak menjad bentuk elektronk. Proses ekstraks karakter dar background ctra adalah langkah pertama yang dperlukan sebelum dlanjutkan ke tahap thresholdng. Thesholdng ctra merupakan suatu pendekatan yang domnan untuk bnersas dokumen. Bnersas dapat dklasfkaskan menjad dua jens, yatu: thresholdng secara 299
2 global dan thresholdng secara lokal. Pada global, sebuah ambang dgunakan untuk menentukan batas untuk keseluruhan ctra. Sedangkan pada lokal, thresholdng dlakukan dengan membag ctra menggunakan beberapa sub ctra berdasarkan level warna tertentu. Lalu pada setap sub ctra, segmentas dlakukan dengan menggunakan threshold yang berbeda. Pada peneltan sebelumnya menelt tentang algortma thresholdng adaptf (thresholdng lokal) untuk mengkonvers ctra berntenstas warna abu-abu (0-255) menjad ctra bner (0 dan 1 = htam dan puth) [1]. Dengan mengkombnaskan teknk global thresholdng (yang memlk kelebhan pada kecepatan) dan lokal thresholdng (yang memlk kelebhan pada keakurasan), penelt tersebut berhasl mengalahkan metode Otsu dalam hal kualtas bnersas, namun mash menghabskan waktu yang lebh lama dbandngkan dengan metode tersebut. Pada proses segmentas, peneltan tersebut menggunakan blok-blok cerdas dan konsep horsontal proyeks, sehngga dapat mengatas kasus ctra dengan berbaga derajat kemrngan. Masalah yang terjad pada peneltan tersebut, tdak dapat mendeteks blok dengan bak jka jumlah pksel karakter pada foreground lebh besar darpada jumlah pksel pada background pada sebuah ctra dokumen. Peneltan selanjutnya adalah tentang deteks tep pada sebuah ctra berwarna dlakukan dengan fungs lner ganda. Untuk mendapatkan ambang yang cukup akurat dengan sample background dan foreground menggunakan tga operator transs yatu t- transton pxel, edge pxel dan t-transton sets. Namun pada operator transs yang dgunakan tdak dapat menghlangkan nose [2]. Untuk menghlangkan nose, pada peneltan lan dlakukan dengan mengubah dar ctra dokumen ke dokumen bner pada proses bnersasnya [3]. Dengan menggunakan metode Actve Contour Models (ACM) untuk mengdentfkas batas tep dar ctra dokumen maka objek dapat terdeteks dengan bak, hanya saja jka ctra dokumen yang dgunakan sebaga sample memlk objek yang cukup banyak maka proses yang dbutuhkan sangat lama karena pengenalannya satu persatu. Untuk mendapatkan objek yang tepat sehngga tdak ada permasalahan blok dengan memsahkan range background dan foreground serta dlanjutkan dengan proses scanng djelaskan pada peneltan n [4]. Dengan metode Gaussan Smoothng Flter dapat mengatas masalah nose pada ctra dokumen. Akan tetap metode yang dusulkan pada peneltan n tdak dapat melakukan bnersas dengan bak jka warna background lebh gelap dar pada foreground. Metode yang dusulkan pada peneltan n adalah sebuah metode yang dapat melakukan proses bnersas secara adaptf pada sebuah ctra dokumen. Metode n dapat memecahkan permasalahan penentuan range background dan foregoundnya sehngga dapat mendeteks wlayah yang akan dproses secara efektf. Metode n juga dapat mendeteks objek meskpun level warna background lebh gelap darpada level warna foreground. ALGORITMA THRESHOLDING ADAPTIVE Secara umum, metode yang dusulkan pada peneltan n dtunjukkan pada Gambar 1. Terdapat sebuah pre-proses yatu pengkonversan RGB menjad aras keabuan dan 3 proses utama yang djelaskan pada subbab berkutnya. Konvers ke Aras Keabuan Ctra dokumen yang berwarna d konverskan ke dalam tngkat keabuan dengan perhtungan: I ( R) ( G) ( B), (1) dmana R,G,B adalah layer ke-1, 2, dan 3 dar ctra RGB. 300
3 Gambar Dokumen Warna Konvers Warna ke Grayscale Menentukan range Background dan Foreground Ekstraks Foreground Gambar 2. Ctra Dokumen Asl Bnarsas Gambar Dokumen Gambar 1. Dagram Alr Bnersas Ctra Dokumen Setelah proses konvers ctra menjad aras keabuan, untuk dapat memsahkan background dan foreground maka terlebh dulu ddapatkan jangkauan ntenstas background. Untuk mendapatkan ntenstas background dgunakan penentuan foreground terluar sehngga akan ddapatkan sampel bagan background dar ctra. Menentukan Objek Terluar Penentuan objek terluar dar sebuah ctra dokumen menggunakan nla VAPP (Vertcal Average Projecton Profle) dan HAPP (Horzontal Average Projecton Profle). VAPP merupakan sebuah gars vertkal yang memnda ctra dar kr ke kanan dan menghtung jumlah ntenstas yang ada d gars tersebut dbag dengan tngg gars sepert pada Persamaan berkut n: H 1 1 ( ) VAPP j D(, j), (2) H 0 dmana,j adalah ndeks ntenstas ctra dan H adalah tngg ctra [4]. VAPP dgunakan untuk menentukan batas obyek terluar kanan dan kr dar sebuah ctra. Gambar 3. Hasl Konvers Ctra Dokumen Berwarna menjad Aras keabuan Untuk menentukan batas terluar obyek d bagan atas dan bawah dgunakan HAPP dengan persamaan berkut: W 1 1 ( ) HAPP D(, j), (3) W j0 dmana,j adalah ndeks ctra dan W adalah lebar ctra. Batas background dengan foreground terluar n dsebut dengan border. Border n adalah gars vertkal dan horzontal yang memlk nla VAPP dan HAPP lebh dar batas tertentu yang dsebut Tald. Nla Tald pada peneltan n berksar antara Menentukan Wlayah Background Untuk menentukan nla range background, dgunakan metode Otsu yang melakukan proses thresholdng pada sampel background dar ctra. 301
4 Sampel background ctra ddapatkan dengan memanfaatkan border yang dperoleh pada proses sebelumnya. Nla ambang yang dhaslkan dar metode Otsu dgunakan sebaga batas untuk menentukan maksmum populas dengan persamaan berkut n: 255 b { 0,1..., lev}, untuk n n, lev 1 lev1 255 b { lev 1,...,255}, untuk n n, lev 1 lev1 (4) dmana b adalah jangkauan ntenstas background, lev adalah hasl ambang metode Otsu, n adalah jumlah ntenstas pada ctra. Ekstraks Foreground Sebuah dokumen warna terdr dar background dan beberapa wlayah foreground. Foreground dapat berupa gars horzontal, gars teks, blok teks, dan gambar. Tujuan mengekstraks foreground pada sebuah ctra dalam proses thresholdng adalah untuk dapat menentukan ambang secara adaptf sesua wlayah foreground masng-masng. Ekstraks foreground pada penenltan n menggunakan Vertcal Scan Lne (VSL) dan Horzontal Scan Lne (HSL). Metode n merupakan modfkas dar metode Left Background Projecton Profle (LBPP) dan Rght Background Projecton Profle (RBPP) pada peneltan sebelumnya [1]. HSL merupakan gars lurus horzontal yang melakukan pemndaan ntenstas ctra dar atas ke bawah. Jka ntenstas ctra dalam gars teresebut berada dalam jangkauan ntenstas background maka nla HSL bars tersebut adalah 0, namun jka sebalknya, nla HSL bars tersebut 1. Bagan atas dan bawah tap foreground ddapatkan dengan memerksa HSL yang nlanya mengalam perubahan ( dar 0 ke 1 atau dar 1 ke 0). Tap ttk yang berurutan dmana terjad perubahan nla HSL merupakan satu bagan foreground. VSL merupakan gars lurus yang panjangnya dsesuakan dengan tap foreground yang telah terbentuk oleh proses sebelumnya. VSL merupakan gars vertkal yang melakukan pemdaan dar kr ke kanan. Cara kerjanya sama dengan HSL, namun VSL tdak langsung melakukan pemndaan terhadap keseluruhan ctra melankan satu per-satu pada tap foreground. Ttk berurutan dmana terjad perbedaan nla merupakan pasangan kr dan kanan dar satu buah sub-foreground. Ilustras HSL dan VSL dgambarkan pada Gambar 5. Proses pertama yatu mendapatkan ttk-ttk atas dan bawah tap foreground yang ddapatkan dengan memanfaatkan HSL. Pada Gambar 5 (a), gars berwarna merah menglustraskan gars HSL yang bernla 0. Gars HSL merah yang berada sebelum atau setelah bagan ctra yang tdak bergars merupakan ttk atas atau bawah foreground. Berdasarkan contoh tersebut, ddapatkan 4 buah foreground hasl dar HSL. Setelah tu, tap masng-masng foreground dcar subforeground nya menggunakan VSL sepert dtunjukkan ctra 5(b). Thresholdng Setelah mengekstraks foreground dan mendapatkan tap sub-foreground nya, maka langkah berkutnya adalah melakukan thresholdng terhadap masng-masng subforeground tersebut untuk mendapatkan ctra bner. Metode thresholdng pada tahap n menggunakan metode Otsu karena kemampuan proses komputasnya yang cepat [5]. Gambar 4. Hasl Penentuan Border dar Ctra Dokumen 302
5 HASIL UJI COBA DAN PEMBAHASAN Data yang duj berupa ctra dokumen yang dambl dar majalah berwarna, kartu nama, brosur, atau halaman buku. Ukurannya bervaras antara lan 664 x 418 pksel, 328 x 319 pksel, 1057 x 138 pksel, 572 x 996 pksel dan 694 x 418 pksel. Algortma thresholdng adaptf n, dmplementaskan menggunakan pemrograman Matlab R2010a pada sstem operas Wndows dan berjalan pada prosessor Intel 3Core. Pengukuran performans metode n menggunakan OCR dengan perangkat lunak Mcrosoft OneNote Hasl pengenalan karakter oleh OCR, dhtung akurasnya menggunakan varabel Z sebaga jumlah karakter yang dkenal secara benar, dan varabel Y sebaga jumlah karakter seluruhnya, kemudan dar kedua varabel tersebut dapat dambl hasl pengukuran akurasnya dengan cara: Z Akuras 100%, (5) Y (a) (b) Gambar 5. Gars-gars HSL berwarna merah(a) dan VSL berwarna hjau (b) yang bernla 0 Gambar 6. Menentukan blok foreground dar Ctra Dokumen Hasl pengukuran performans menunjukkan rata-rata tngkat akuras pengenalan karakter sebesar 67.92% dengan waktu komputas kurang dar 1 detk. Sedangkan hasl bnersas ctra dokumen, dtunjukkan pada Gambar 7. Perangkat lunak yang dgunakan untuk proses OCR senstf terhadap bentuk tulsan tangan. Sehngga, meskpun secara kasat mata hasl thresholdng dar metode n bak namun beberapa karakter tdak dapat dkenal. Begtu pula untuk karakter handwrtng yang mrng sepert pada Gambar 7(b). Tabel 1. Hasl Uj Coba Ctra Uj Total Karakter Akuras OCR Coba a % b % c % d % e % f % g % h % 303
6 (d) (a) (e) (b) (f) (c) 304
7 KESIMPULAN DAN SARAN Peneltan n melakukan thresholdng secara adaptf pada ctra dokumen berwarna dengan mengekstraks foreground dan melakukan bnersas pada masng-masng foreground dengan ambang yang berbeda. Berdasarkan uj coba yang dlakukan terhadap 8 ctra dokumen ddapatkan hasl yang cukup bak yatu rata-rata tngkat pengenalan karakter sebesar 67.92%. Untuk peneltan selanjutnya, dapat dkembangkan metode untuk melakukan performans secara maksmal pada ctra dengan pencahayaan yang tdak rata, dan melakukan proses thresholdng jka terdapat sebagan foreground yang memlk ntenstas yang hampr sama dengan background. DAFTAR PUSTAKA (g) (h) Gambar 7. Hasl Bnersas Ctra Dokumen Asl (a), (c), (e), (g) Menjad Ctra Dokumen Bner (b), (d), (f), (h) [1] Pa. Y, Chang. Y, Ruan. S, Adaptve Thresholdng Algorthm: Effcent Computaton Technque Based On Intellgent Block Detecton For Degraded Document Images, Pattern Recognton, 43: , [2] A.Ramı rez-ortego n, ErnestoTapa. M, Rojas a. R, Cuevas. E, Transton thresholds and transton operators for bnarzaton and edge detecton, Pattern Recognton, 43 : , [3] Karthk. S, Hemanth.V.K, Balaj V, Soman K. P, Level Set Methodology for Taml Document Image Bnarzaton and Segmentaton, Internatonal Journal of Computer Applcatons, 39 No.9: , [4] Tsa. C, Intellgent Regon-Based Thresholdng For Color Document Images Wth Hgh Lghted Regons. Pattern Recognton, 45 : , [5] Otsu, N., A Threshold Selecton Method from Gray-Level Hstograms, IEEE Transactons on Systems, Man, and Cybernetcs, 9 No. 1: pp ,
Perbandingan Penggunaan Beberapa Metode Deteksi Tepi Pada Pengolahan Citra Radiologi Fraktur Tulang
PRISMA FISIKA, Vol. V,. 3 (4), Hal. 7- ISSN : 337-84 Perbandngan Penggunaan Beberapa Metode Deteks Tep Pada Pengolahan Ctra Radolog Fraktur Tulang Ray Andre Junor a, Nurhasanah a*, Iklas Sanubary a a Prod
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB 4 METODOLOGI PENELITIAN DAN ANALISIS
28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan
Lebih terperinciSEGMENTASI BERBASIS REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU
EGMENTAI BERBAI REGION PADA CITRA BERWARNA UNTUK KEPERLUAN TEMU KEMBALI CITRA PADA EVENT OLAH RAGA LAPANGAN HIJAU Arf Basof,.Kom, Moch. Harad, T, M.c, Ph.D. Program Magster Bdang Keahlan Jarngan Cerdas
Lebih terperinciPengenalan Karakter Tulisan Tangan Angka dan Operator Matematika Berdasarkan Zernike Moments Menggunakan Support Vector Machine
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Prnt) 1 Pengenalan Karakter Tulsan Tangan Angka dan Operator Matematka Berdasarkan Zernke Moments Menggunakan Support Vector Machne
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciSEGMENTASI CITRA GIGI BERBASIS THRESHOLD DAN INTEGRAL PROJECTION Agus Zainal Arifin 1, Dini Adni Navastara 1, Prambhudi Lesmonoi.
SEGMENTASI CITRA GIGI ERASIS THRESHOLD DAN INTEGRAL PROJECTION Agus Zanal Arfn 1, Dn Adn Navastara 1, Prambhud Lesmono. 1 1 Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember (ITS), Surabaya,
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciSEGMENTASI CITRA BERWARNA MENGGUNAKAN ALGORITMA JSEG
SEGMENTASI CITRA BERWARNA MENGGUNAKAN ALGORITMA JSEG Rully Soelaman 1), Darls Herumurt ), Dyah Wardhan Kusuma. 3) Fakultas Teknolog Informas, Insttut Teknolog Sepuluh Nopember (ITS), Surabaya, 6111, Indonesa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciBAB I PENDAHULUAN. suatu komputer digital [12]. Citra digital tersusun atas sejumlah elemen.
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Ctra dgtal merupakan ctra hasl dgtalsas yang dapat dolah pada suatu komputer dgtal [12]. Ctra dgtal tersusun atas sejumlah elemen. Elemen-elemen yang menyusun ctra
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian pengembangan (Research and
III. METODE PENELITIAN A. Desan Peneltan Peneltan n merupakan peneltan pengembangan (Research and Development). Peneltan pengembangan yang dlakukan adalah untuk mengembangkan penuntun praktkum menjad LKS
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciSEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS
SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS Puruhto Bagus Prakosa, Agus Zanal Arfn, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas,
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING BERBASIS SIMILARITAS MAKSIMAL
MAKALA EMINAR TUGA AKIR PERIODE JULI 00 IMPLEMENTAI EGMENTAI CITRA INTERAKTIF MENGGUNAKAN REGION MERGING ERAI IMILARITA MAKIMAL Ayu Arta Paramta Relga, andayan Tjandrasa, Anny Yunart 3 Teknk Informatka,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciIMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING
IMAGE CLUSTER BERDASARKAN WARNA UNTUK IDENTIFIKASI KEMATANGAN BUAH TOMAT DENGAN METODE VALLEY TRACING M. Helmy Noor 1, Moh. Harad 2 Program Pasasarjana, Jurusan Teknk Elektro, Program Stud Jarngan Cerdas
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciPENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA
MAKALAH SEMINAR TUGAS AKHIR PENGENALAN JENIS-JENIS IKAN MENGGUNAKAN METODE ANALISIS KOMPONEN UTAMA Suharto Jat Santoso *, Bud Setyono **, R. Rzal Isnanto ** Abstrak - Selama n pengenalan jens kan pada
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciPengenalan Wajah Menggunakan Pseudo-2D Hidden Markov Model
Pengenalan Wajah Menggunakan Pseudo-2D Hdden Markov Model Anak Agung Gde Agung 1, Fazmah Arf Yulanto 2, Warh Maharan 3 1 Program Stud Komputersas Akuntans Polteknk Telkom, Bandung 2,3 Fakultas Teknk Informatka,
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciINTEGRASI EKSTRAKSI FITUR LOCAL BINARY PATTERN DAN GRAY-LEVEL COOCCURENCE METRIX UNTUK PENGENALAN EKSPRESI MULUT PEMBELAJAR
ISSN prnt 087-1716 ISSN onlne 548-7779 ILKOM Jurnal Ilmah Volume 9 Nomor 1 Aprl 017 INTEGRASI EKSTRAKSI FITUR LOCAL BINARY PATTERN DAN GRAY-LEVEL COOCCURENCE METRIX UNTUK PENGENALAN EKSPRESI MULUT PEMBELAJAR
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciHistogram Citra. Bab Membuat Histogram
Bab 6 Hstogram Ctra I nformas pentng mengena s ctra dgtal dapat dketahu dengan membuat hstogram ctra. Hstogram ctra adalah grafk yang menggambarkan penyebaran nla-nla ntenstas pxel dar suatu ctra atau
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB II TEORI ALIRAN DAYA
BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciIV. PERANCANGAN DAN IMPLEMENTASI SISTEM
IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON
PENGENALAN POLA TULISAN TANGAN AKSARA JAWA HA NA CA RA KA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1) Sandy Wrakusuma 2) 1) S1 Sstem Komputer, STIKOM Surabaya, emal: madha@stkom.edu 2) S1
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian pengembangan yang
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan yang dgunakan adalah peneltan pengembangan yang bertujuan membuat suatu produk dan duj kelayakannya. B. Metode Pengembangan Peneltan n menggunakan
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciMETODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID
METODE THRESHOLDING UNTUK SEGMENTASI CITRA TELUR BERBASIS ANDROID Fersa Setyanngrum 1, Kartka Frdausy 2 Program Stud Teknk Elektro, Fakultas Teknolog Industr, Unverstas Ahmad Dahlan Jl. Prof. Dr. Soepomo,
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,
Lebih terperinciPENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL
Arad Retno TH, Pengembangan Metode Algortma Gen, Hal 93-0 PENGEMBANGAN METODE ALGORITMA GENETIKA DAN DARWINIAN PARTICLE SWARM OPTIMIZATION UNTUK FUNGSI MULTIMODAL Arad Retno Tr Hayat Abstrak Metode optmas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tnjauan Emprs Pada peneltan n, penelt menggunakan beberapa peneltan terkat yang pernah dlakukan oleh penelt lan sebaga tnjauan stud, yatu sebaga berkut : a. Pornography Detecton
Lebih terperinciPENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON
STMIK AMIKOM Yogyakarta, 6-8 Februar 2015 PENGENALAN POLA TULISAN TANGAN AKSARA JAWA MENGGUNAKAN MULTI LAYER PERCEPTRON Madha Chrstan Wbowo 1), I Dewa Gede Ra Mardana 2), Sandy Wrakusuma 3) 1), 2), 3)
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciPROTOTYPE APLIKASI UNTUK MENGUKUR KEMATANGAN BUAH APEL BERDASAR KEMIRIPAN WARNA
PROTOTYPE APLIKASI UNTUK MENGUKUR KEMATANGAN BUAH APEL BERDASAR KEMIRIPAN WARNA Catur Iswahyud Program Stud Teknk Informatka, Fakultas Teknolog Industr Insttut Sans & Teknolog AKPRIND Yogyakarta Emal :
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciSUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD
SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciPengenalan Wajah Menggunakan Implementasi T-shape Mask pada Two Dimentional Linear Discriminant Analysis dan Support Vector Machine
Musthafa, Pengenalan Wajah Menggunakan Implementas -shape Mask Pada wo Dmentonal Lnear Dscrmnant Analyss dan... 1 Pengenalan Wajah Menggunakan Implementas -shape Mask pada wo Dmentonal Lnear Dscrmnant
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciIII.METODE PENELITIAN. Pada penelitian ini subyek yang digunakan adalah siswa VII A SMPN 5
33 III.METODE PENELITIAN A Jens Dan Desan Peneltan. Jens peneltan yang dgunakan dalam peneltan n adalah peneltan kuanttatf. Peneltan n merupakan peneltan korelas yang bertujuan untuk mengetahu hubungan
Lebih terperinciPERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM
PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG
Lebih terperinciBab 1 PENDAHULUAN Latar Belakang
11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciPENDETEKSIAN KANKER PARU PARU DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DAN METODE LINEAR DISCRIMINANT ANALYSIS
PENDETEKSIAN KANKER PARU PARU DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DAN METODE LINEAR DISCRIMINANT ANALYSIS Hanung Tyas Saksono, Achmad Rzal., Koredanto Usman Fakultas Elektro dan Komunkas Insttut Teknolog
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Kamus Buku acuan yang memuat kata dan ungkapan, basanya dsusun menurut abjad berkut keterangan tentang makna, pemakaan, atau terjemahannya, kamus juga dsebut buku yang memuat
Lebih terperinciPost test (Treatment) Y 1 X Y 2
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode Peneltan adalah cara lmah untuk memaham suatu objek dalam suatu kegatan peneltan. Peneltan yang dlakukan n bertujuan untuk mengetahu penngkatan hasl
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciBAB I PENDAHULUAN Latar Belakang. menghimpun dana dari pihak yang kelebihan dana (surplus spending unit) kemudian
Pengaruh Captal Structure terhadap Proftabltas pada Industr Perbankan d Indonesa Mutara Artkel n d-dgtalsas oleh Perpustakaan Fakultas Ekonom-Unverstas Trsakt, 2016. 021-5663232 ext.8335 BAB I PENDAHULUAN
Lebih terperinciPENGENALAN HURUF BRAILLE BERBASIS JARINGAN SYARAF TIRUAN METODA HEBBRULE
1 PENGENALAN HURUF BRAILLE BERBASIS JARINGAN SARAF TIRUAN METODA HEBBRULE un Ennggar 1, Wahyul Amen Syafe, ST, MT 2, Bud Setyono,ST,MT 2 Jurusan Teknk Elektro, Fakultas Teknk Unverstas, Dponegoro Jl. Prof.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB III METODE PENELITIAN. menghasilkan Lembar Kegiatan Siswa (LKS) pada materi Geometri dengan
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan pengembangan yang bertujuan untuk menghaslkan Lembar Kegatan Sswa (LKS) pada mater Geometr dengan pendekatan pembelajaran berbass
Lebih terperinciBAB II DASAR TEORI DAN METODE
BAB II DASAR TEORI DAN METODE 2.1 Teknk Pengukuran Teknolog yang dapat dgunakan untuk mengukur konsentras sedmen tersuspens yatu mekank (trap sampler, bottle sampler), optk (optcal beam transmssometer,
Lebih terperinciMatematika Eigenface Menggunakan Metrik Euclidean
Matematka Egenface Menggunakan Metrk Eucldean 6 Ben Utomo Sekolah ngg eknolog Bontang, Indonesa Abstract Salah satu sstem pengenalan wajah (face recognton) adalah metode egenface. Metode n bekerja dengan
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBab 2 AKAR-AKAR PERSAMAAN
Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciPENJADWALAN PRODUKSI di PT MEUBEL JEPARA PROBOLINGGO
Prosdng Semnar Nasonal Manajemen Teknolog III Program Stud MMTITS, Surabaya 4 Pebruar 2006 PENJADWALAN PRODUKSI d PT MEUBEL JEPARA PROBOLINGGO Mohammad Khusnu Mlad, Bobby Oedy P. Soepangkat, Nurhad Sswanto
Lebih terperinciModel Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah
Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel
4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB III METODE PENELITIAN. pembelajaran berupa RPP dan LKS dengan pendekatan berbasis masalah ini
BAB III METODE PENELITIAN A. Desan Peneltan Metode peneltan yang dgunakan dalam pengembangan perangkat pembelajaran berupa RPP dan LKS dengan pendekatan berbass masalah n adalah metode pengembangan atau
Lebih terperinciISSN: Kata kunci: pengenalan tulisan tangan, ekstraksi ciri, jaringan saraf tiruan.
ISSN: 1693-6930 17 PENGARUH KOMPLEKSITAS EKSTRAKSI CIRI PADA SISTEM PENGENALAN TULISAN TANGAN DINAMIS (Influence of Feature Etracton Complet n Onlne Handwrtng Recognto Abdul Fadll Program Stud Teknk Elektro,
Lebih terperinciBAB II TINJAUAN PUSTAKA. George Boole dalam An Investigation of the Laws of Thought pada tahun
BAB II TINJAUAN PUSTAKA 2.1 Aljabar Boolean Barnett (2011) menyatakan bahwa Aljabar Boolean dpublkaskan oleh George Boole dalam An Investgaton of the Laws of Thought pada tahun 1954. Dalam karya n, Boole
Lebih terperinciHUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT
HUBUNGAN KEMAMPUAN KEUANGAN DAERAH TERHADAP PERTUMBUHAN EKONOMI PROVINSI NUSA TENGGARA BARAT ABSTRAK STEVANY HANALYNA DETHAN Fakultas Ekonom Unv. Mahasaraswat Mataram e-mal : stevany.hanalyna.dethan@gmal.com
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinci