BAB II DASAR TEORI. Pada bab ini akan dibahas teori-teori pendukung yang digunakan sebagai acuan dalam merancang algoritma.
|
|
- Devi Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II DASAR TEORI Pada bab ini akan dibahas teori-teori pendukung yang digunakan sebagai acuan dalam merancang algoritma Deteksi Bola Colorspace Colorspace adalah model abstraksi matematis [3,4] untuk menggambarkan representasi warna dalam angka-angka, dan biasanya terdiri dari tiga atau empat unsur warna, seperti RGB, CMYK, HSV, HSL [5], atau YUV. Masing-masing komponen dasar dalam colorspace adalah penyusun warna. YUV colorspace mendefinisikan warna dengan menggunakan elemen luminans (Y) dan dua elemen warna komponen krominans (UV). Ini merupakan perbaikan dari informasi warna yang digunakan dalam televisi hitam putih tua yang hanya menggunakan elemen Y. Elemen Y adalah tingkat kecerahan, lalu komponen U dan V merupakan informasi warna. Smartphone Android Sony Xperia Mini st15i membuat gambar yang diambil oleh kamera dalam YUV420 colorspace[6]. Hal ini dapat dilihat pada Gambar 2.1 bahwa YUV420sp colorspace yang berperforma lebih baik dibandingkan RGBA colorspace. Ketika lampu intensitas berkurang, kinerja deteksi bola dari kedua colorspace akan terdegradasi, tetapi pada RGBA colorspace ini mengurangi tingkat akurasi warna[6] Segmentasi Warna Segmentasi warna digunakan untuk memisahkan warna bola oranye serta titik pinalti berwarna putih dengan warna lingkungan lainnya. Segmentasi dilakukan dengan mengatur batas atas dan bawah untuk nilai-nilai elemen dalam gambar. Sebagai hasil, citra biner yang terdiri dari 0 untuk hitam dan 1 untuk putih Metode Pusat Masa Pusat massa atau pusat gravitasi pada gambar adalah titik di mana objek gambar tersebar merata. Setelah segmentasi warna telah dilakukan, pusat gravitasi pada gambar biner atau grayscale dapat dihitung [6]. 5
2 2.2. Penjaga Gawang Seorang penjaga gawang merupakan suatu hal yang utama dalam permainan sepakbola. Untuk menjadi seorang penjaga gawang (kiper), ada beberapa hal yang harus diperhatikan. Pada dasarnya seorang kiper diharuskan memiliki kemampuan dasar pengamatan terhadap bola, serta refleks yang cukup baik, selain itu ada kemampuan individual seorang kiper yang perlu diperhatikan, diantaranya[7] : Daya Jangkau Kemampuan kiper dalam menjangkau bola sangatlah penting untuk dikuasai. Kiper harus tahu dimana kemampuan menjangkau bola, sehingga dapat menentukan kapan bola akan ditangkap, ditinju, ditangkis, ataupun lompat serta kapan harus menjatuhkan diri untuk menyelamatkan gawang Penempatan Posisi Semakin baik posisi kiper berada, semakin mudah pula kiper menghalau serangan lawan. Kiper haruslah paham dimana kedua kaki harus berpijak. Sejauh apa dari gawang, berada pada sudut berapa dan dimana kira-kira lawan membidik tendangannya. Titik ini menjadi awal pengambilan keputusan ketika kiper memutuskan untuk tetap di tempat atau maju keluar sarang untuk menggagalkan usaha penyerang lawan. Disini pula berawal pikiran untuk memutuskan untuk lompat, terbang, menangkis, menyergap Refleks Poin penting untuk seorang kiper. Kecepatan bereaksi terhadap bola yang sering berubah arah. Karena apabila seorang kiper tidak memiliki refleks yang bagus, ia akan selalu terlambat dalam menangkis ataupun menghalau bola yang datang Konsentrasi Seorang kiper, secara kasat mata seolah tidak selalu bekerja setiap menitnya. Ketika bola berada di area pertahanan lawan, kiper akan cenderung diam. Namun sebenarnya, ketika dalam situasi seperti ini, seorang kiper akan lebih baik jika berkonsentrasi penuh dalam permainan. Konsentrasi sejak serangan lawan belum dibangun akan lebih memudahkannya mengambil keputusan ketika serangan datang Format Lapangan Lapangan sepak bola memiliki ukuran yang akan diuraikan sesuai dengan Gambar 2.1 dan Tabel 2.1 6
3 Gambar 2.1 Dimensi lapangan Tabel 2.1 Keterangan dimensi lapangan Ukuran Kecil (cm) Ukuran Besar (cm) A Panjang lapangan B Lebar lapangan C Kedalaman gawang D Lebar gawang E Panjang Goal area F Lebar Goal area G Jarak titik pinalti ke gawang H Diameter lingkar tengah lapangan I lebar luar lapangan(min.) Metode Decision Tree Decision tree adalah salah satu metode klasifikasi yang menggunakan representasi suatu struktur tree yang yang berisi alternatif-alternatif untuk pemecahan suatu masalah. Tree ini juga menunjukkan faktor-faktor yang mempengaruhi hasil alternatif dari keputusan tersebut disertai dengan estimasi hasil akhir bila kita mengambil keputusan tersebut. Peranan pohon keputusan ini adalah sebagai alat untuk membantu manusia dalam mengambil suatu keputusan[8]. 7
4 Manfaat dari decision tree adalah melakukan proses pemecahan persoalan dalam pengambilan keputusan yang kompleks menjadi lebih sederhana sehingga orang yang mengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan. Konsep yang digunakan oleh decision tree adalah mengubah data menjadi suatu keputusan pohon dan aturan-aturan keputusan(rule), selain itu metode ini juga digunakan untuk memilih atribut mana yang didahulukan dengan menghitung information gain dan juga untuk menyediakan struktur data pada saat pengambilan keputusan ketika robot (objek yang mendapat penerapan dari decision tree di sini adalah robot) menerima data baru seperti kamera atau sensor lainnya Entropy Untuk mengimplementasikan pemilihan suatu atribut A dalam decision tree diperlukan informasi yang terkandung dalam suatu konteks atau permasalahan. Informasi yang terkandung di dalam suatu permasalahan tersebut dinamakan entropy. Selain itu entropy juga dapat diartikan sebagai suatu pengukuran dari jumlah ketidakpastian dalam suatu rangkaian peristiwa. Kita asumsikan variable H adalah suatu rangkaian kejadian dan akan dihitung entropy dari kejadian tersebut sehingga suatu entropy dari H dapat dirumuskan[14] H p i log p i Dan entropy dari sebuah kejadian yang menggambarkan 2 buah probabilitas yang dimisalkan dengan p dan q di mana q = 1-p adalah[14]: H ( plog p qlog q) Sebagai contoh kasus yang pertama, jika robot mempertimbangkan untuk jatuh atau tidak, ini bisa diilustrasikan sebagai suatu bilangan biner 1(jatuh) atau 0(tidak jatuh), dan bilangan 1 atau 0 ini mencakup 1 bit entropy. Contoh lain kasus yang kedua, misalkan robot mempertimbangkan untuk jatuh, tidak jatuh, geser kiri, atau geser kanan. Dengan adanya 4 kemungkinan ini berarti dalam kasus ini memiliki 2 bit entropy, karena pengambilan keputusan ini mencakup 2 bit untuk mendeskripsikan satu dari empat peluang pengambilan keputusan yang ada. Kemudian perhatikan dari kasus pertama, jika ada pengambilan keputusan yang tidak adil di mana robot selalu akan mengambil keputusan untuk jatuh 99% dalam sekali waktu. Kasus ini memiliki ketidakpastian yang sangat kecil dibandingkan dengan kasus pertama yang sudah dijabarkan di awal tadi, yang masih memiliki peluang yang 8
5 sama untuk jatuh ataupun tidak jatuh. Sehingga dari kasus ini kita membutuhkan entropy yang mendekati 0, tetapi memiliki nilai positif. Sehingga dalam penerapannya, entropy dari suatu variable acak I dengan nilai Vi, masing-masing memiliki peluang P(Vi) dan jumlah sampel positif dimisalkan p dan jumlah sampel negatif dimisalkan dengan n di mana n = 1-p kita gunakan persamaan sebelumnya untuk menghitung entropy dari 2 buah probabilitas. Selain itu kita gunakan log berbasis 2 karena log basis 2 merupakan logaritma biner di mana kita akan merepresentasikan hasilnya dalam sebuah satuan bit. Sehingga perhitungannya dapat didefinisikan sebagai berikut: p n p p n I(, ) ( log 2 log 2 p n p n p n p n p n n ) p n Hasil yang didapat dari suatu entropy berupa suatu bilangan bit dari suatu informasi yang kita dapatkan dari suatu probabilitas[11] Information Gain Suatu atribut A yang terpilih membagi suatu set E ke dalam subset-subset E1,, Ev Sesuai nilai-nilai yang terdapat dalam atribut A, di mana A memiliki sejumlah v nilai-nilai yang berbeda. Di mana nilai-nilai yang berbeda tersebut menjadi pereduksi dari nilai informasi yang didapat (Entropy). Pereduksi atau remainder inilah yang menjadi faktor pengurang untuk diperolehnya nilai information Gain yang akan dihitung. Di mana remainder ini dapat dirumuskan sebagai berikut: v pi ni remainder ( A) p n I( p pi ni, ) n p n i 1 i i i i Sehingga Information Gain (IG) atau reduksi dari suatu entropy dari suatu atribut yang diuji dapat dirumuskan sebagai berikut[12]: IG( A) entropy ( A) remainder ( A) p n IG( A) I(, ) remainder ( A) p n p n Nantinya rumus inilah yang akan diterapkan untuk menghitung information gain dari hasil pengujian yang dilakukan penulis. Contoh dari perhitungan akan ditunjukan pada bagian pengujian di tiap mode. 9
6 2.5. Latar Belakang Pemilihan Metode Decision Tree Penulis memilih decision tree ini disebabkan untuk mengantisipasi perkembangan robot, di mana robot dapat mengalami perkembangan-perkembangan kedepannya entah penambahan modul kamera, sound recognition, sensor-sensor lain, dsb sehingga membutuhkan trial and error serta penambahan data yang makin banyak. Untuk itulah penulis memilih metode decision tree dalam menyusun algoritma sebagai suatu alat bantu dalam pengambilan keputusan. Ada dua algoritma lain yang tergolong juga ke dalam supervised learning, di mana supervised learning ini memanfaatkan data-data dari sejumlah training set. Di mana sejumlah training set didapat dari proses trial and error yang dilakukan. Dua algoritma lain tersebut akan dibandingkan sebagai pertimbangan penulis yang menjadi dasar terpilihnya decision tree sebagai alat bantu dalam pengambilan keputusan, algoritma-algoritma tersebut yaitu Naïve Bayes model, serta jaringan syaraf tiruan. Ketiga algoritma akan dibandingkan dengan menggunakan Tabel 2.2[13]. Tabel 2.2. Tabel perbandingan antara decision tree, Naïve Bayes, serta jaringan syaraf tiruan Attribut Naïve bayes Decision tree Jaringan syaraf tiruan Pemodelan Sebuah metode yang menerapkan teorema Bayes (probability condition) terhadap sebuah kejadian dengan menerapkan asumsi independen. Sebuah metode yang Sebuah metode yang memiliki struktur memiliki struktur seperti tree/graph yang memiliki simpul dan cabang, di mana simpul dalam merupakan atribut, cabang merupakan nilai dari atribut, dan simpul luar/akhir merupakan klasifikasi akhir jaringan syaraf pada otak, di mana sekumpuan neuron terhubung dengan sinapsis ke neuron lain. Bisa terdiri dari tiga lapisan kumpulan neuron, yaitu layer masukan, tersembunyi dan keluaran. Neuron-neuron antar kedua layer berdekatan saling terhubung oleh sinapsis yang merupakan pemberi bobot. Metode Sebagai suatu alat bantu Sebagain suatu alat Sebagain suatu alat bantu 10
7 pengambilan keputusan, bantu pengambilan pengambilan keputusan, naïve bayes menggunakan keputusan, decision jaringan syaraf tiruan perhitungan teorema bayes, tree menggunakan menggunakan model di mana dalam prosesnya perhitungan entropy, backpropagation, selama dihitung probabilitas pada kemudian dengan proses trial and error yang tiap kategori, lalu nilai entropy dilakukan bobot- bobot menentukan frekuensi tersebut dapat tersebut diatur sehingga kemunculan kondisi yang dihitung nilai nantinya akan diperoleh diinginkan pada kategori information gain bobot yang baik dengan tersebut, dan pada akhirnya yang menghasilkan error yang sekecil mungkin dilakukan pengklasifikasian sebuah nilai bobot dari selisih keluaran untuk mendapatkan nilai dari masing-masing dengan target yang ingin maksimal dari kondisi yang atribut dicapai. diinginkan pada kategori tersebut. kompleksitas Untuk data kecil perhitungan Decision tree dapat model backpropagation dengan teorema bayes lebih digunakan untuk biasanya digunakan untuk mudah dilakukan karena menghitung bobot menghitung data yang teorema ini menghitung 2 prioritas atribut kompleks sehingga kurang atribut yang saling untuk data dalam efektif untuk menggunakan independen. Dan jika data jumlah yang model ini dengan data yang yang tersedia banyak maka fleksibel, meski kecil perhitungan dengan teorema dengan sedikit bayes akan lebih rumit untuk masukkan tetap bisa dilakukan dihitung keluaran atau bobotnya. 11
BAB II DASAR TEORI Kajian Pustaka a. Algoritma Pengambilan Keputusan Pada Kiper Robot Sepak Bola [1]
BAB II DASAR TEORI Pada bab ini akan dibahas beberapa teori pendukung yang digunakan sebagai acuan dalam merealisasikan sistem. Teori-teori yang digunakan dalam pembuatan skripsi ini terdiri dari 2.1.
Lebih terperinciBAB IV HASIL PENGUJIAN DAN ANALISIS
BAB IV HASIL PENGUJIAN DAN ANALISIS Pada bab ini akan dibahas mengenai pengujian alat serta analisis dari hasil pengujian. Tujuan dilakukan pengujian adalah mengetahui sejauh mana hasil perancangan alat
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Pada bab ini akan dibahas mengenai perancangan dari perangkat keras, serta perangkat lunak dari algoritma robot. 3.1. Sistem Instruksi dan Kontrol Robot Gambar 3.1. Blok diagram
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dibahas mengenai pengujian alat serta analisis dari hasil pengujian. Tujuan dilakukan pengujian adalah mengetahui sejauh mana hasil perancangan alat yang
Lebih terperinciPENGAMBILAN KEPUTUSAN KIPER PADA ROBOT HUMANOID MENGGUNAKAN DECISION TREE. oleh Silvester Kristian Sungkono NIM:
PENGAMBILAN KEPUTUSAN KIPER PADA ROBOT HUMANOID MENGGUNAKAN DECISION TREE oleh Silvester Kristian Sungkono NIM: 612011016 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar Sarjana Teknik Program
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 terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Fakultas
Lebih 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 terperinciLANDASAN TEORI. Universitas Indonesia. Klasifikasi topik menggunakan..., Dyta Anggraeni
BAB 2 LANDASAN TEORI Pada bab ini dijelaskan landasan teori dari pekerjaan dan metode yang digunakan dalam tugas akhir untuk melakukan klasifiksi topik. Pembahasan ini dimulai dengan penjelasan klasifikasi
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1. Sistem instruksi dan kontrol robot.
BAB III PERANCANGAN Membahas perancangan sistem yang terdiri dari gambaran umum sistem dan bagaimana mengolah informasi yang didapat dari penglihatan dan arah hadap robot di dalam algoritma penentuan lokasi
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai perancangan dari perangkat keras, serta perangkat lunak dari algoritma robot. 3.1. Perancangan Perangkat Keras Pada bagian ini akan dijelaskan
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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka dibutuhkan metode analisis yang tepat. Data mining
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 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 LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
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 terperinciScientific Journal of Informatics Vol. 2, No. 1, Mei 2015
Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 JUDUL ARTIKEL Identifikasi Kualitas Beras dengan Citra Digital Arissa
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 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 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika. Classification Decision Tree
Universitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika Classification Decision Tree Classification Decision Tree Pengertian Pohon Keputusan Pohon keputusan adalah
Lebih terperinciAplikasi Graf untuk Penentuan Aksi Robot Sepak Bola (Robosoccer)
Aplikasi Graf untuk Penentuan Aksi Robot Sepak Bola (Robosoccer) Khoirunnisa Afifah (13512077) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai perancangan dari sistem instruksi, perangkat keras, serta perangkat lunak dari algoritma robot. 3.1 Sistem Instruksi Robot Sistem instruksi
Lebih terperinciBAB IV HASIL PENGUJIAN DAN ANALISIS
BAB IV HASIL PENGUJIAN DAN ANALISIS Membahas hasil pengujian algoritma yang dirancang dan analisa. 4.1. Pengujian Penentuan Lokasi 4.1.1. Pengujian Posisi Robot di Lapangan Mengacu pada Tiang Gawang Musuh
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciMODUL 12 Model Prediktif
MODUL 12 Model Prediktif Prediktif Analytics adalah teknologi yang menangkap proses data mining dalam rutinitas sederhana. Kadang-kadang disebut "one-click data mining," Model ini menyederhanakan dan mengotomatisasi
Lebih terperinciSepak Bola. 1. Lapangan dan Peralatan Sepak Bola
Sepak Bola Sepak bola termasuk salah satu permainan bola besar. Sepak bola merupakan olahraga yang paling akbar di dunia. Setiap kejuaraan sepak bola akan mengundang banyak penonton. Jumlah penonton sepak
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan (SPK) / Decision Support Sistem (DSS) adalah sistem komputer yang saling berhubungan dan menjadi alat bantu bagi seorang
Lebih terperinciKLASIFIKASI PADA TEXT MINING
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 KLASIFIKASI PADA TEXT MINING Budi Susanto Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep dasar sistem klasifikasi Memahami beberapa
Lebih terperinciKLASIFIKASI PADA TEXT MINING
Budi Susanto KLASIFIKASI PADA TEXT MINING Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep dasar sistem klasifikasi Memahami beberapa algoritma klasifikasi: KNN Naïve Bayes Decision
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
6 BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Pendukung Keputusan Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Permainan catur cina, yang dikenal sebagai xiang qi dalam bahasa mandarin, merupakan sebuah permainan catur traditional yang memiliki jumlah 32 biji catur. Setiap
Lebih terperinciLEARNING ARTIFICIAL INTELLIGENT. Dr. Muljono, S.Si, M. Kom
LEARNING ARTIFICIAL INTELLIGENT Dr. Muljono, S.Si, M. Kom Outline Decision tree learning Jaringan Syaraf Tiruan K-Nearest Neighborhood Naïve Bayes Decision Tree Learning : Klasifikasi untuk penerimaan
Lebih terperinciAplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition
Aplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition Trilaksono Aribowo (18209015) Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinci6. PENDETEKSIAN SERANGAN GULMA. Pendahuluan
6. PENDETEKSIAN SERANGAN GULMA Pendahuluan Praktek pengendalian gulma yang biasa dilakukan pada pertanian tanaman pangan adalah pengendalian praolah dan pascatumbuh. Aplikasi kegiatan Praolah dilakukan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
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 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 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 terperinciStudi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness
Studi Digital Watermarking Citra Bitmap dalam Mode Warna Hue Saturation Lightness Evan 13506089 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : if16089@students.if.itb.ac.id
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 terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB III RANCANG BANGUN
BAB III RANCANG BANGUN 3.1 LANGKAH PENGERJAAN Program identifikasi dengan media biometrik citra iris mata yang menggunakan Metode Jaringan Syaraf Tiruan (JST) terdiri dari dua tahap, yaitu proses pelatihan
Lebih terperinciLEARNING. Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan Buatan)
LEARNING Jiawei Han and Micheline Kamber. 2006. Data Mining Concepts and Techniques. San Fransisco : Elsevier M.Tim Jones. Artificial Intelligence A System Approach. Slide Kuliah Data Mining - Klasifikasi,
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 terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
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 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 terperinciBAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang
BAB I PENDAHULUAN A. Latar Belakang Masalah Universitas Muhammadiyah Ponorogo merupakan salah satu universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang terdiri dari : 3 program studi
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 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 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 terperinciBAB II DASAR TEORI. Gambar 2.1. Smartphone Android Sony Xperia Mini ST15i
II DSR TEORI Pada bab ini akan dibahas teori-teori pendukung yang digunakan sebagai acuan dalam merancang algoritma... Smartphone ndroid ndroid adalah sebuah sistem operasi untuk piranti telepon cerdas
Lebih terperinci5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
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 terperinciBAB II DASAR TEORI. Gambar 2.1. Smartphone Android Sony Xperia Mini st15i
BAB II DASAR TEORI Pada bab ini akan dibahas beberapa teori pendukung yang digunakan sebagai acuan dalam merealisasikan sistem. 2.1.Kemampuan Mendasar Robot Penyerang Humanoid Soccer Selain kemampuan dasar
Lebih terperinciBAB IV PENGUJIAN DAN ANALISIS
BAB IV PENGUJIAN DAN ANALISIS Pada bab ini akan dibahas mengenai pengujian alat serta analisis dari hasil pengujian. Tujuan dilakukan pengujian adalah mengetahui sejauh mana hasil perancangan alat yang
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 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 terperinciCalculati Alfi Jannati Mujiono Pembimbing : Dr. Singgih Jatmiko, SSi., MSc
ANALISIS PERBANDINGAN METODE EIGENFACE DENGAN FISHERFACE PADA PROSES PENGENALAN WAJAH Calculati Alfi Jannati Mujiono 51410506 Pembimbing : Dr. Singgih Jatmiko, SSi., MSc Latar Belakang Perkembangan Teknologi
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 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Data Mining Data mining merupakan disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data (Han and Kamber, 2006). Data mining sering
Lebih terperinciBAB I PENDAHULUAN. kegiatan simpan pinjam layaknya bank, dimana ijin operasionalnya di bawah
BAB I PENDAHULUAN A. Latar Belakang Koperasi adalah suatu lembaga keuangan bukan bank yang bergerak dalam kegiatan simpan pinjam layaknya bank, dimana ijin operasionalnya di bawah Kementrian Koperasi dan
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciSISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON
Jurnal Informatika Mulawarman Vol. 7 No. 3 Edisi September 2012 105 SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON Anindita Septiarini Program Studi Ilmu Komputer FMIPA,
Lebih terperinciMODEL PERMAINAN LATIHAN JASMANI UNTUK ANAK USIA TAHUN PERMAINAN NET (NET GAME)
MODEL PERMAINAN LATIHAN JASMANI UNTUK ANAK USIA 10-12 TAHUN PERMAINAN NET (NET GAME) A. PERMAINAN NET TANPA ALAT 1. Permainan Bola Voli (hal 227; 230; 234; 235; 240; 242) Perlengkapan: lapangan bola, bola
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 terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan
BAB I PENDAHULUAN 1.1 Latar Belakang Krisis keuangan yang terjadi di Asia pada pertengahan tahun 1997 diawali di Thailand dan merembet ke berbagai negara di Asia lainnya seperti di Indonesia, Malaysia,
Lebih terperinciBAB 4 ANALISA DAN BAHASAN
BAB 4 ANALISA DAN BAHASAN 4.1 Spesifikasi Sistem Sistem pengenalan objek 3 dimensi terbagi atas perangkat keras dan perangkat lunak. Spesifikasi sistem baik perangkat keras maupun lunak pada proses perancangan
Lebih terperinciBAB I PENDAHULUAN. kecerdasan buatan, kecerdasan buatan merupakan salah satu bagian ilmu
BAB I PENDAHULUAN A Latar Belakang Masalah Jaringan Syaraf Tiruan merupakan bagian dari sistem kecerdasan buatan, kecerdasan buatan merupakan salah satu bagian ilmu pengetahuan yang digunakan untuk menyelesaikan
Lebih terperinciSISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN Ahyuna 1), Komang Aryasa 2) 1), 2) Jurusan Teknik Informatika, STMIK Dipanegara Makassar 3) Jl. Perintis
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Metode Pengumpulan Data Data yang digunakan pada penelitian ini merupakan data sentimen dari pengguna aplikasi android yang memberikan komentarnya pada fasilitas user review
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur maupun metode
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2. Penelitian Terdahulu Beberapa penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan oleh para peneliti, berbagai metode baik ekstraksi fitur
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan air
Lebih terperinciBAB 3 ALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan.
BAB 3 ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. A. Pohon Keputusan Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan
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 terperinciDATA MINING KLASIFIKASI BERBASIS DECISION TREE. Ramadhan Rakhmat Sani, M.Kom
DATA MINING KLASIFIKASI BERBASIS DECISION TREE Ramadhan Rakhmat Sani, M.Kom Text Book Outline 1. Algoritma Data Mining Algoritma ID3 Algoritma C4.5 Algoritma C4.5 Introduction Algoritma C4.5 merupakan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Dasar Penelitian Penelitian ini dilakukan berdasarkan rumusan masalah yang telah dijabarkan pada bab sebelumnya yaitu untuk mengklasifikasikan kelayakan kredit calon debitur
Lebih terperinciVIII.PENGANTAR JARINGAN SYARAF TIRUAN (JST)
VIII.PENGANTAR JARINGAN SYARAF TIRUAN (JST) 3 JARINGAN SYARAF BIOLOGIS (JSB) Otak manusia berisi sekitar 0 sel syaraf (neuron) yang bertugas untuk memproses informasi yang masuk. Tiap sel syaraf dihubungkan
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
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 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 terperinci