BAB III METODOLOGI PENELITIAN
|
|
- Handoko Irawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pikir Kanker payudara merupakan salah satu penyebab kematian yang sering dialami oleh wanita pada usia lanjut. Tercatat bahwa pada tahun 2011, terdapat lebih dari orang terkena kanker payudara dan sekitar 19% meninggal akibat kanker tersebut. Langkah yang paling efektif untuk menghindari hal tersebut adalah dengan mengetahui kanker tersebut secara dini dan dapat dilakukan penyembuhan sehingga kanker tersebut tidak menyebar ke organ tubuh lain. Deteksi kanker yang dilakukan dokter membutuhkan proses yang lama serta terdapat kemungkinan terjadi kesalahan sehingga diperlukan sebuah sistem yang dapat mendeteksi atau mengklasifikasi kanker tersebut. Sistem tersebut berguna untuk mempercepat proses klasifikasi serta membantu dokter dalam proses klasfikasi. Terdapat berbagai metode yang bisa digunakan untuk proses klasifikasi. Sebelum sebuah gambar dapat diklasifikasi, gambar tersebut harus diambil fitur-fitur yang bisa menjadi pembanding yang kuat.histogram adalah sebuah metode ekstraksi fitur yang menggunakan warna.tetapi menggunakan histogram, sebuah gambar sangat tergantung dari pencahayaan.sedangkan pada mammogram, gambar yang dihasilkan tergolong mirip, baik secara warna maupun bentuk.salah satu fitur yang dapat diekstraksi adalah melalui tekstur.oleh karena itu, digunakan 25
2 26 metode wavelet transform yang mempunyai kekuatan ekstraksi pada tekstur. Metode wavelet transform yang sering digunakan adalah Discrete Wavelet Transform (DWT). DWT memberikan hasil yang cukup memuaskan untuk digital mammogram, tetapi DWT memiliki beberapa kelemahan, seperti ketergantungan pergeseran serta pemilihan arah yang buruk.kelemahan-kelemahan yang ada pada DWT dapat ditutupi dengan Complex Wavelet Transform(CWT).Salah satu metode CWT yang bagus adalah Dual-Tree Complex Wavelet Transform (DTCWT). Sedangkan untuk classifier, terdapat berbagai metode pembelajaran seperti Naïve Bayes, Support Vector Machine (SVM), dan Artifitial Neural Network (ANN).Berdasarkan kajian pustaka, SVM dan ANN merupakan metode yang tepat untuk digunakan sebagai classifier untuk mammogram. SVM tergolong classifier yang bagus, tetapi toleransi terhadap noise pada SVM tidak lebih baik dari ANN. Jika noise yang ada pada gambar dimasukkan ke dalam classifer, tingkat keakuratan SVM akan menurun drastis dibandingkan dengan ANN. Jadi pada penelitian ini, metode fitur ekstraksi yang digunakan adalah DTCWT dan untuk classifier digunakan ANN.
3 Metodologi Penelitian Training Preprocessing DTCWT Database Image ROI Proses Training Ekstraksi Fitur Testing Klasifikasi Neural Network 1 Neural Network 2 ROI Preprocessing Ekstraksi Fitur DTCWT Struktur : - CIRC - MISC - CALC - ASYM Jenis : - Benign - Malignant Gambar 3.1 Metodologi yang diusulkan Metodologi yang diusulkan menggunakan DTCWT sebagai fitur ekstraksi dan Neural Network sebagai classifier.metode tersebut dibagi menjadi 2 fase yang dilakukan secara terpisah.fase pelatihan ditujukan untuk melakukan pelatihan terhadap Neural Network karena NN termasuk salah satu jenis supervised learning, dimana untuk dapat mendapatkan kelas yang sesuai, harus diberikan sampel-sampel data untuk dilakukan
4 28 proses training. Fase pelatihan ini hanya cukup dilakukan satu kali dan sebelum fase ini dilakukan, tidak bisa dilakukan proses klasifikasi. Setelah proses training selesai dilakukan, sistem sudah dapat menerima input gambar dan dilakukan proses klasifikasi dan menghasilkan output berupa kelas dari gambar tersebut. Fase pelatihan diawali dengan mengambil data-data pelatihan berupa region of interest(roi), yaitu daerah yang dicurigai sebagai kanker.data hasil ROI tersebut kemudian dilakukan preprocessing berupa morfologi opening. Morfologi opening terdiri dari proses erosi, kemudian dilanjutkan dengan proses dilatasi. Hasil preprocessing tersebut kemudian diekstrak fiturnya dengan menggunakan DTCWT. Proses DT CWT akan menghasilkan 6 matriks untuk tiap level. Masing-masing matriks melambangkan orientasi arah. Ukuran matriks tersebut akan berbeda-beda sesuai dengan ROI dari gambar tersebut. Karena ROI dari setiap gambar berbeda-beda, maka hasil dari DTCWT tidak bisa langsung digunakan sebagai input Neural Network. Menurut Wroblewska.A, et al (2003), terdapat beberapa jenis perhitungan yang bisa digunakan untuk mengekstrak fitur untuk mammogram seperti mean, deviasi standar, contrast, entropy, variance, energy, dll.
5 29 Tabel 3.1 List Fitur yang Digunakan pada Objek Mammogram No. Nama Deskripsi 1. Mean Nilai rata-rata 2. Deviasi Standar Nilai deviasi standar 3. Background Nilai pada background object 4. Contrast between object and background (Mean-Background) / (Mean+Background) 5. Contrast 6. Entropy 7. Energy 8. Correlation 9. Variance 10. Sum average M.Sonka, V. Hlavac, R. Boyle, Sum entropy 12. Sum variance 13. Difference average 14. Difference entropy 15. Difference variance Pada penelitian ini, kombinasi perhitungan yang digunakan adalah kombinasi dari mean, deviasi standar, variance, dan entropy. Pemilihan kombinasi tersebut diambil berdasarkan penelitian yang dilakukan oleh Manimegalai.P, et al (2012).Dengan menggunakan kombinasi empat jenis koefisien tersebut, Manimegalai berhasil memperoleh tingkat akurasi sebesar 90%.Data ROI yang sudah diesktrak fiturnya tersebut kemudian dijadikan input NN untuk digunakan sebagai pelatihan. Pelatihan Neural Network dilakukan untuk mendapatkan weight(w) pada arsitektur Neural Network yang menjadi dasar jika ingin melakukan klasifikasi. Arsitektur yang digunakan adalah multilayered Perceptrons karena data dari ekstraksi fitur memiliki fitur yang banyak. Dari input yang banyak, berarti kompleksitas perhitungan akan semakin tinggi dan single layered perceptrons tidak bisa mengatasi masalah tersebut.
6 30 Pada fase klasifikasi, sistem akan menerima input berupa ROI. Data ROI tersebut dilanjutkan dengan proses preprocessing. Kemudian diikuti dengan proses mengeskstrak fitur menggunakan DTCWT yang sama dengan fase pelatihan. Hasil ekstraksi fitur kemudian diekstrak koefisien dengan kombinasi antara mean, deviasi standar, variance, dan entropy. Kemudian hasil koefisien tersebut dijadikan sebagai input pada Neural Network yang telah di-training sebelumnya. Hasil pada Neural Network adalah kelas pada ROI yang diberikan sebagai input. Gambar 3.2 Contoh Proses DT CWT Gambar diatas adalah contoh dari proses DT CWT. Gambar pada pojok kiri atas adalah gambar asli setelah didapat ROI. Sedangkan gambar disebelah kanan dari gambar asli adalah contoh proses erosi, dimana pixelpixel pada gambar akan dikecilkan. Sedangkan proses dilatasi adalah
7 31 proses pembesaran pixel disekitar gambar. Pada penelitian ini, proses yang digunakan adalah proses erosi, kemudian diikuti dengan proses dilatasi. Hasil dari proses tersebut dapat dilihat pada gambar dengan judul Opening. Sedangkan gambar pada pojok kanan atas adalah contoh hasil dari proses DT CWT. Gambar di baris kedua dan ketiga adalah matriks yang dihasilkan dari proses DT CWT. Pada setiap level akan menghasilkan 6 matriks dengan orientasi arah yang berbeda-beda. Matriks tersebut kemudian akan diekstrak fitur dengan perhitungan statistika seperti mean, deviasi standar, variance, dan entropy. 3.3 Sumber Data Data yang digunakan untuk pelatihan dan testing menggunakan mammogram yang terkumpul dalam Mammographic Image Analysis Society(MIAS) yang dapat diakses melalui ini terdiri dari 322 mammogram berukuran 1024x1024 pixel.dari 322 kasus, terdapat 207 kasus normal, 64 kasus benign, dan 51 kasus malignant. Untuk menguji metodologi yang diusulkan, maka perlu dilakukan pengujian terhadap metodologi tersebut.untuk fase pelatihan, data yang digunakan adalah 50 kasus yang terdiri dari 26 kasus benign, dan 24 kasus malignant.sedangkan data yang digunakan pada fase klasifikasi adalah 45 kasus yang terdiri dari 26 kasus benign dan 19 kasus malignant.
8 32 Tabel 3.2 Tabel Distribusi Data Training dan Testing untuk Eksperimen pertama Jumlah Kasus Training Testing Benign Malignant Untuk eksperimen kedua, data training dan testing menggunakan data yang sama dengan eksperimen pertama. Struktur keabnormalan yang akan diuji adalah jenis Well-defined/circumscribed masses (CIRC), Calcification (CALC), Other, ill-defined masses (MISC), dan Asymmetry (ASYM). Untuk fase pelatihan data yang digunakan adalah 50 kasus dan fase klasifikasi adalah 45 kasus. Tabel 3.3 Tabel Distribusi Data Training dan Testing untuk Eksperimen kedua Jumlah Kasus Training Testing Benign Malignant Benign Malignant CIRC ASYM ARCH CALC SPIC MISC Evaluasi Metodologi Dari kasus yang digunakan untuk proses pengujian, maka akan diperoleh jumlah data yang berhasil diklasifikasi dengan benar. Jumlah inilah yang menjadi tolak ukur dalam menentukan keberhasilan metodologi yang diusulkan, dan ditampilkan dalam bentuk persentase. Setelah proses pengujian, maka hasil pengujian akan digambarkan dalam
9 33 tabel confusion matrix. Untuk eksperimen kedua, hasil pengujian dihitung dengan menjumlahkan data yang diklasifikasi dengan benar, baik dari jenis kanker maupun struktur keabnormalannya.kemudian hasil penjumlahan tersebut dibagi dengan jumlah keseluruhan data testing. Actual Class Tabel 3.4 Tabel Confusion Matrix Prediction Class Benign Malignant Benign a b Malignant c d Persentase keakuratan dihitung dengan rumus: 3.5 Time frame Persentase Keakuratan 100% Time frame bertujuan agar penelitian ini dapat berjalan sesuai dengan rencana yang telah dibuat pada awal perencanaan.berikut adalah time frame yang telah dibuat: Tabel 3.5 Timeframe Penelitian Jenis Kegiatan Tanggal Mulai Tanggal Selesai Melakukan planning penelitian 01 November November 2011 Melakukan Research 16November Januari Mencari data - Mencari penelitian yang terkait - Membaca paper yang relevan Menulis Proposal 02 Januari Januari 2012 Melakukan penelitian 01 Februari Mei Coding program - Melakukan testing - Melakukan percobaan data Menulis Tesis 02 Mei Mei 2012
BAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Eksperimen Pada penelitian ini dilakukan eksperimen sebanyak dua kali. Eksperimen pertama dilakukan untuk menguji keberhasilan klasifikasi ROI ke dalam jenis keabnormalan,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Eksperimen Pada penelitian ini, eksperimen dilakukan terhadap 3 metode NMF, yaitu normal NMF, Local NMF, dan nsnmf.untuk setiap metode NMF, eksperimenakan dilakukan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Eksperimen Pada penelitian ini, eksperimen dilakukan dua kali, dimana setiap eksperimen memiliki perbedaan pada pembagian dari kelas-kelas kanker. Eksperimen pertama
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA 2.1 Computer Aided Mammography Menurut Yusuf (2007), Computer-Aided Mammography (CAM) merupakan sebuah sistem yang digunakan untuk melakukan deteksi dan klasifikasi terhadap kanker
Lebih terperinciDIAGNOSIS KANKER PAYUDARA PADA MAMMOGRAM MENGGUNAKAN METODE TRANSFORMASI CURVELET DAN CBIR
DIAGNOSIS KANKER PAYUDARA PADA MAMMOGRAM MENGGUNAKAN METODE TRANSFORMASI CURVELET DAN CBIR TRI ADHI WIJAYA [5108100510] Surabaya, 19 Juli 2010 / Ruang Sidang S2 Gedung Teknik Informatika ITS Latar Belakang
Lebih terperinciPENELITIAN. David PROGRAM
COMPUTER AIDED DIAGNOSIS SISTEM UNTUK DIGITAL MAMMOGRAM MENGGUNAKAN NEURAL NETWORK DAN DUAL TREE COMPLEX WAVELET TRANSFORM PENELITIAN 11124007555 Program Pascasarjana Ilmu Komputer PROGRAM STUDI MAGISTER
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Implementasi Pengujian dalam penelitian ini dilakukan dengan menggunakan MATLAB 29. Citra mammogram yang digunakan dibagi menjadi tiga kelas, yaitu kelas Normal, Benign
Lebih terperinciBAB 3 METODOLOGI. melakukan pengamatan dan analisis dari gambar yang didapat. Untuk bisa mendapatkan
BAB 3 METODOLOGI 3.1 Analisis Kebutuhan dan Masalah 3.1.1 Analisis Kebutuhan Dalam melakukan analisa gambar mammogram, biasanya dokter secara langsung melakukan pengamatan dan analisis dari gambar yang
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker merupakan proses penyakit yang terjadi karena sel abnormal mengalami mutasi genetik dari DNA seluler. Sel abnormal membentuk klon dan berproliferasi secara abnormal
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker adalah suatu penyakit dimana terjadi pertumbuhan berlebihan atau perkembangan tidak terkontrol dari sel-sel jaringan pada bagian tubuh tertentu. Kanker payudara
Lebih terperinciBAB 1 PENDAHULUAN. terjadi terhadap para wanita semenjak beberapa dekade terakhir ini. Tentunya hal ini
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kanker payudara telah menjadi salah satu penyebab kematian terbesar yang terjadi terhadap para wanita semenjak beberapa dekade terakhir ini. Tentunya hal ini menjadi
Lebih terperinciBAB III PEMBAHASAN. arsitektur, prosedur, dan hasil model Radial Basis Function Neural Network untuk
BAB III PEMBAHASAN Bab III merupakan pembahasan yang meliputi proses penelitian yaitu arsitektur, prosedur, dan hasil model Radial Basis Function Neural Network untuk klasifikasi stadium kanker payudara,
Lebih terperinciKombinasi Teknik Ekstraksi Fitur pada Sistem Temu Kembali Citra Mammogram
Kombinasi Teknik Ekstraksi Fitur pada Sistem Temu Kembali Citra Mammogram Diana Purwitasari Teknik Informatika - FTIF, Institut Teknologi Sepuluh Nopember diana@if.its.ac.id Anugrah Nahari Teknik Informatika
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. kanker payudara apakah tergolong normal atau abnormal (benign atau malignant)
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Sistem aplikasi yang kami kembangkan adalah sistem pengklasifikasian jenis kanker payudara apakah tergolong normal atau abnormal (benign atau malignant)
Lebih terperinciKLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI
KLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang !! "(!
"( BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan (signature) adalah sebuah tanda (sign) atau symbol yang merupakan versi miniatur dari pemiliknya. Tanda tangan bukanlah sembarang tanda atau symbol,
Lebih terperinciBAB 1 PENDAHULUAN. di bidang pendidikan, keamanan, perkantoran, bahkan pada bidan g
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarangini dunia berada di era digital. Era dimana hampir setiap aspek dalamkehidupan manusia sangat berhubungan erat dengan teknologi komputasi baik di bidang pendidikan,
Lebih terperinciBAB 3 METODOLOGI. 3.1 Rancangan Program Pemilihan Metode. Dalam perancangan program mammogram, telah ditemukan banyak
BAB 3 METODOLOGI 3.1 Rancangan Program 3.1.1 Pemilihan Metode Dalam perancangan program mammogram, telah ditemukan banyak sekali metode yang dapat digunakan. Metode-metode yang ada mencakup program yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perkembangan teknologi juga diikuti dengan berkembangnya penggunaan berbagai situs jejaring sosial. Salah satu jejaring sosial yang sangat marak digunakan
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penyakit Kanker merupakan suatu peyakit yang paling ditakuti oleh masyakat karena proses penyembuhannya yang sulit, efek yang ditimbulkan dan memerlukan biaya yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Perkembangan dunia telekomunikasi meningkat secara signifikan dalam kurun waktu satu dekade terahir. Tidak hanya dari segi jumlah pengguna, jenis layanan yang ditawarkanpun
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciBAB IV PEMBAHASAN. Bab IV berisi pembahasan yang meliputi proses penelitian yakni hasil
BAB IV PEMBAHASAN Bab IV berisi pembahasan yang meliputi proses penelitian yakni hasil model Radial Basis Function Neural Network untuk diagnosa kanker otak, hasil klasifikasi, dan ketepatan hasil klasifikasinya.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan merupakan salah satu aspek penting di dalam kehidupan. Oleh karena itu, pendidikan mendapat perhatian besar dalam kehidupan masyarakat dan negara. Pendidikan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB III PEMBAHASAN. A. Arsitektur dan Model Fuzzy Neural Network untuk Klasifikasi Stadium
BAB III PEMBAHASAN A. Arsitektur dan Model Fuzzy Neural Network untuk Klasifikasi Stadium Kanker Payudara Fuzzy Neural Network (FNN) adalah gabungan sistem fuzzy dengan Artificial Neural Network (ANN).
Lebih terperinciBAB I PENDAHULUAN. yang menyerang saluran pencernaan. Lebih dari 60 persen tumor ganas kolorektal
BAB I PENDAHULUAN A. Latar Belakang Kanker kolorektal ( colo rectal carcinoma) atau yang biasa disebut sebagai kanker usus besar merupakan suatu tumor ganas terbayak diantara tumor lainnya yang menyerang
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Kanker payudara adalah jenis kanker yang dimulai pada sel-sel payudara sebagai sekelompok sel kanker, yang kemudian dapat menyerang jaringan di sekitarnya atau menyebar
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciBAB II KAJIANPUSTAKA
BAB II KAJIANPUSTAKA 2.1 Klasifikasi Klasifikasi adalah proses pengelompokan data menjadi suatu kelas berdasarkan kesamaan karakteristik pada data data yang ada. Ada 2 jenis metode yang dapat digunakan
Lebih terperinciBAB 1 PENDAHULUAN Latar belakang masalah
BAB 1 PENDAHULUAN 1.1. Latar belakang masalah Saluran pernapasan pada manusia terdiri dari rongga hidung, faring, laring, trakea, percabangan bronkus dan paru-paru (bronkiolus, alveolus). Paru-paru merupakan
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciPERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE
PERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE David; Ferdinand Ariandy Luwinda Computer Science Department, School of Computer Science, Binus University Jl. K.H. Syahdan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinci(Adaptive Neuro- akurasi 58,33% untuk 9 kelas output
BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan hasil dari pikiran bawah sadar manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia. Ilmu yang mempelajari tentang tulisan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis sentimen merupakan proses dalam mengolah, memahami, dan mengekstrak data dalam bentuk teks terhadap suatu topik, kejadian ataupun individu untuk mendapatkan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Perkembangan multimedia saat ini sangat cepat. Dengan multimedia, pengguna dapat menyerap informasi dengan lebih mudah, sehingga pemilihan informasi yang tepat menjadi penting. Pemilihan informasi
Lebih terperinci1. BAB I PENDAHULUAN 1.1. Latar Belakang
1. BAB I PENDAHULUAN 1.1. Latar Belakang Diagnosis kanker dapat dilakukan berdasarkan struktur morfologisnya, namun hal tersebut mengalami kesulitan karena perbedaan struktur morfologis yang sangat tipis
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Internet saat ini merupakan kebutuhan pokok yang tidak bisa dipisahkan dari segenap sendi kehidupan. Berbagai pekerjaan ataupun kebutuhan dapat dilakukan melalui media
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi senantiasa membawa dampak secara langsung maupun tidak langsung, baik itu berdampak positif maupun negatif dan akan sangat berpengaruh terhadap
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi, kebutuhan akan informasi yang digunakan untuk mendukung business intelligent suatu perusahaan juga meningkat. Informasi penting
Lebih terperinciKLASIFIKASI STADIUM KANKER PAYUDARA MENGGUNAKAN MODEL FUZZY NEURAL NETWORK
KLASIFIKASI STADIUM KANKER PAYUDARA MENGGUNAKAN MODEL FUZZY NEURAL NETWORK SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Sebagai Salah Satu Persyaratan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Indonesia merupakan negara tropis yang memiliki + 30.000 spesies tumbuh-tumbuhan ([Depkes] 2007). Tumbuh-tumbuhan tersebut banyak yang dibudidayakan sebagai tanaman hias. Seiring
Lebih terperinciBAB I PENDAHULUAN. bahkan di Dunia. Penyakit jantung dapat dideteksi dengan alat elektrokardiograf
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung adalah penyebab kematian terbesar di Indonesia, bahkan di Dunia. Penyakit jantung dapat dideteksi dengan alat elektrokardiograf (EKG). Petugas
Lebih terperinciBAB II TINJAUAN PUSTAKA. teori yang sesuai dengan penelitian printer forensik
BAB II TINJAUAN PUSTAKA Pada bagian ini akan menguraikan tentang tinjauan pustaka dan landasan teori yang sesuai dengan penelitian printer forensik 2.1 Tinjauan Pustaka Penelitian printer forensik untuk
Lebih terperinciBAB I PENDAHULUAN. jaringan ikat pada payudara. Terdapat beberapa jenis kanker payudara antara lain
BAB I PENDAHULUAN A. Latar Belakang Kanker payudara adalah pertumbuhan sel-sel pada jaringan payudara secara abnormal, terus menerus, tidak terkontrol dan tidak terbatas. Kanker bisa mulai tumbuh di dalam
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kanker merupakan salah satu penyebab utama mortalitas di dunia (sekitar 13% dari seluruh penyebab mortalitas), diperkirakan angka mortalitas sekitar 7,9 juta kematian
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi internet berkembang dengan sangat pesat dan sangat mudah sekali untuk mengaksesnya. Akan tetapi, didalamnya terdapat banyak konten yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tuberkulosis merupakan penyakit yang disebabkan oleh infeksi mycobacterium tuberculosis complex (bakteri berbentuk basil lurus, sedikit melengkung, tidak berspora dan
Lebih terperinciImplementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector Machine
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-346 Implementasi Deteksi Seam Carving Berdasarkan Perubahan Ukuran Citra Menggunakan Local Binary Patterns dan Support Vector
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Peningkatan yang pesat dalam jumlah kendaraan dikota besar memiliki dampak terhadap kebutuhan parkir di tempat-tempat umum seperti di rumah sakit, kantor, pusat perbelanjaan,
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER PAYUDARA MENGGUNAKAN EKSTRAKSI FITUR STATISTICAL PADA CITRA MAMMOGRAM BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI DETEKSI KANKER PAYUDARA MENGGUNAKAN EKSTRAKSI FITUR STATISTICAL PADA CITRA MAMMOGRAM BERBASIS JARINGAN SYARAF TIRUAN Oleh : WAHYU JATMIKA 2009-51-009 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU
Lebih terperinciBAB I PENDAHULUAN. 1 U n i v e r s i t a s T e l k o m
BAB I PENDAHULUAN 1.1 Latar Belakang Sapi merupakan hewan ternak yang dapat dikelompokkan menjadi dua bagian besar yaitu kelompok sapi tropis dan sub tropis. Sapi juga hewan ternak anggota family Bovidae
Lebih terperinciPENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER
PENERAPAN DATA MINING UNTUK EVALUASI KINERJA AKADEMIK MAHASISWA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER I. PENDAHULUAN Mahasiswa merupakan salah satu aspek penting dalam evaluasi keberhasilan penyelenggaraan
Lebih terperinciSISTEM DIAGNOSIS MAMMOGRAM DIJITAL BERBANTUKAN KOMPUTER DENGAN MENGGUNAKAN TEKNIK EKSTRAKSI FITUR DAN SUPPORT VECTOR MACHINES
SISTEM DIAGNOSIS MAMMOGRAM DIJITAL BERBANTUKAN KOMPUTER DENGAN MENGGUNAKAN TEKNIK EKSTRAKSI FITUR DAN SUPPORT VECTOR MACHINES Hendry Kosasi Binus University, Jakarta, DKI Jakarta, Indonesia Kevin Setiawan
Lebih terperinciDIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP
1 DIAGNOSIS PENYAKIT KANKER PAYUDARA MENGGUNAKAN METODE NAIVE BAYES BERBASIS DESKTOP Achmad Ramadhan Safutra 1, Dwi Wahyu Prabowo 1 1 Jurusan Sistem Informasi, Fakultas Ilmu Komputer Universitas Darwan
Lebih terperinciBAB I PENDAHULUAN. syaraf pusat yang mengkoordinir, mengatur seluruh tubuh dan pemikiran manusia.
BAB I PENDAHULUAN A. Latar Belakang Masalah Otak adalah bagian penting dari tubuh manusia karena otak merupakan syaraf pusat yang mengkoordinir, mengatur seluruh tubuh dan pemikiran manusia. Cidera sedikit
Lebih terperinciBAB 1 PENDAHULUAN. tubuh manusia. Hal itu dapat dipicu oleh berbagai faktor. Salah satunya adalah dari
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Di zaman ini, semakin banyak penyakit yang bermunculan dan terjangkit pada tubuh manusia. Hal itu dapat dipicu oleh berbagai faktor. Salah satunya adalah dari makanan
Lebih terperinciBAB I PENDAHULUAN. beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang
BAB I PENDAHULUAN A. Latar Belakang Kanker paru telah menjadi salah satu kanker yang sering terjadi dalam beberapa dekade ini. Kanker paru merupakan pertumbuhan sel-sel abnormal yang tak terkendali pada
Lebih terperinciKlasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor
Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor Puspa Rizky Trisnaningtyas 1, Maimunah 2 Program Studi Teknik Komputer Universitas Islam 45 Bekasi, Indonesia
Lebih terperinciKlasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra
Jurnal Ilmiah Ilmu Komputer, Vol 15 No. 2, Desember 2010 : 38-41 Klasifikasi Citra Menggunakan Metode Minor Component Analysis pada Sistem Temu Kembali Citra Vera Yunita, Yeni Herdiyeni Departemen Ilmu
Lebih terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciDisusun oleh: Aziza Ratna Kumala
PERBANDINGAN K-MEANS DAN FUZZY C-MEANS CLUSTERING PADA MODEL RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) UNTUK KLASIFIKASI STADIUM KANKER PAYUDARA SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu
Lebih terperinciBAB 1 PENDAHULUAN. Data medis manusia adalah salah satu data yang paling bermanfaat
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Data medis manusia adalah salah satu data yang paling bermanfaat namun sulit dari semua data biologis untuk menggali dan menganalisis informasi. Tiga perempat miliaran
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Education data mining merupakan penelitian didasarkan data di dunia pendidikan untuk menggali dan memperoleh informasi tersembunyi dari data yang ada. Pemanfaatan education
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciBAB I PENDAHULUAN. dikembangkan dengan sejumlah pendekatan selama bertahun-tahun. Klasifikasi
BAB I PENDAHULUAN 1.1 Latar Belakang Deteksi dan klasifikasiciri pada citra sangat luas dan banyak dikembangkan dengan sejumlah pendekatan selama bertahun-tahun. Klasifikasi suatu objek dapat dilakukan
Lebih terperinciBAB I PENDAHULUAN. Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124
BAB I PENDAHULUAN 1.1 Latar Belakang Timor Leste terletak di antara garis lintang 8 dan 10 S, dan bujur 124 dan 128 E. Terletak di Asia Tenggara, Pulau Timor merupakan bagian dari Asia Tenggara Maritim,
Lebih terperinciPENENTUAN KUALITAS IKAN BANDENG MENGGUNAKAN ALGORITMA NAIVE BAYES BERDASARKAN TEKSTUR PADA CITRA ABSTRAK
PENENTUAN KUALITAS IKAN BANDENG MENGGUNAKAN ALGORITMA NAIVE BAYES BERDASARKAN TEKSTUR PADA CITRA Rahmanika Ratna Sari 1, Hanny Haryanto 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu pelayanan dalam dunia perbankan adalah pemberian pinjaman kredit kepada nasabah yang memenuhi syarat perbankan. kredit merupakan sumber utama penghasilan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra digital dalam dunia modern memainkan peran yang sangat penting dalam berbagai bidang kehidupan seperti penyelidikan forensik, pemrosesan asuransi, sistem pengawasan,
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Data mining adalah proses mengeksplorasi dan menganalisis data dalam jumlah besar untuk menemukan pola dan rule yang berarti (Berry & Linoff, 2004). Klasifikasi adalah
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Pada proses penelitian ini dilakukan beberapa tahapan mulai dari tahap awal yaitu tahap inisiasi, pengembangan model, dan tahap terakhir pengembangan prototipe. Dalam tahapan inisiasi
Lebih terperinciBAB I PENDAHULUAN. Bab I Pendahuluan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Perkembangan ilmu biomedikal telah mendorong banyak penelitian dilakukan untuk menghasilkan alat bantu diagnosa berbasis komputer. Salah satunya yaitu pendeteksian
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang website adalah salah satu layanan yang bisa digunakan untuk melakukan pencarian berbagai informasi, sehingga sangat dibutuhkan untuk keperluan pengguna dalam pencarian
Lebih terperinciBAB 1 PENDAHULUAN. misalnya untuk mendeteksi ketidakpuasan pelanggan pada sistem call center otomatis,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi memungkinkan manusia untuk berinteraksi dengan perangkat elektronik seperti asisten virtual pada ponsel pintar atau komputer. Agar komputer dapat
Lebih terperinciBAB 3 METODOLOGI. untuk mengurangi adanya false positive dan false negative. False positive dalam hal ini
34 BAB 3 METODOLOGI 3.1 Analisis Kebutuhan dan Masalah Dalam proses diagnosis kanker payudara dibutuhkan akurasi yang tinggi untuk mengurangi adanya false positive dan false negative. False positive dalam
Lebih terperinciBAB I PENDAHULUAN. berlebihan atau perkembangan tidak terkontrol dari sel-sel (jaringan)
BAB I PENDAHULUAN A. Latar Belakang Kanker payudara adalah suatu penyakit dimana terjadi pertumbuhan berlebihan atau perkembangan tidak terkontrol dari sel-sel (jaringan) payudara, hal ini bisa terjadi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem jaringan komputer memiliki peran yang sangat penting dalam masyarakat modern karena memungkinkan informasi dapat diakses, disimpan dan dimanipulasi secara online.
Lebih terperinciPEMBUATAN WEB SERVICE SEBAGAI LAYANAN PENDETEKSI KONTEN PORNOGRAFI PADA CITRA DIGITAL DENGAN METODE IMAGE ZONING
PEMBUATAN WEB SERVICE SEBAGAI LAYANAN PENDETEKSI KONTEN PORNOGRAFI PADA CITRA DIGITAL DENGAN METODE IMAGE ZONING Oleh: Lourensius Bisma (5210100155) Dosen Pembimbing: Dr.Eng. Febriliyan Samopa, S.Kom.,
Lebih terperinciPENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM
PENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM Nanik Susanti 1* 1 Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box 53, Bae, Kudus
Lebih terperinciBAB I PENDAHULUAN. terkontrol pada jaringan paru. Munculnya kanker ditandai dengan
BAB I PENDAHULUAN A. Latar Belakang Kanker paru adalah penyakit pertumbuhan jaringan yang tidak dapat terkontrol pada jaringan paru. Munculnya kanker ditandai dengan pertumbuhan sel yang tidak normal,
Lebih terperinciBAB I PENDAHULUAN. Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor
BAB I PENDAHULUAN 1.1 Latar Belakang Pada zaman sekarang ini bagi sebagian masyarakat kendaraan bermotor jenis mobil ataupun sepeda motor tidak lagi menjadi kebutuhan sekunder, melainkan telah menjadi
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 LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinci1. PENDAHULUAN 1.1. Latar Belakang
1. PENDAHULUAN 1.1. Latar Belakang Kanker merupakan salah satu penyakit yang dapat beresiko pada kematian atau lebih dikenal dengan penyakit pembunuh. Salah satu penyakit pembunuh diantaranya kanker prostat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem diawali dengan pembacaan citra rusak dan citra tidak rusak yang telah terpilih dan dikumpulkan pada folder tertentu.
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA 2.1 Computer-Aided Mammography Computer-Aided Mammography (CAM) merupakan suatu sistem yang bertujuan membantu para ahli patologi dalam melakukan deteksi dan klasifikasi terhadap
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinci