DETEKSI DINI KANKER PARU DENGAN MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DAN HIGH FREQUENCY EMPHASIS FILTER SKRIPSI
|
|
- Harjanti Tedjo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 DETEKSI DINI KANKER PARU DENGAN MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DAN HIGH FREQUENCY EMPHASIS FILTER SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi sebagian Persyaratan Guna Memperoleh Gelar Sarjana Sains Oleh Leonardus Ragil Pamungkas NIM PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA 2017 i
2 ii
3 iii
4 iv
5 MOTTO to see the world, things dangerous to come to, to see behind walls, to draw closer, to find each other and to feel, that is the purpose of life -The Secret Life of Walter Mitty- Mandatum novum do vobis ut diligatis invicem sicut dilexi vos, Aku memberikan perintah baru kepada kamu, yaitu supaya kamu saling mengasihi, sama seperti Aku telah mengasihi kamu demikian pula kamu harus saling mengasihi, Yohanes 13: 34. Tuhan selalu bersama orang benar, Tuhan selalu melindungi anak-anaknya jangan takut, Tuhan ada bersama kita. v
6 HALAMAN PERSEMBAHAN Kedua orang tuaku, Albertus Suharyanto dan Bernadetta Sustiwi. Saudari-saudariku, mbak Dita dan mbak Mega. Teman-teman IKMK UNY 2013 dan Matematika B vi
7 DETEKSI DINI KANKER PARU DENGAN MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK (FRBFNN) DAN HIGH FREQUENCY EMPHASIS FILTER Oleh: Leonardus Ragil Pamungkas ABSTRAK Kanker paru merupakan salah satu jenis kanker yang dalam beberapa dekade ini menjadi salah satu penyebab utama kematian pada semua kasus kanker di seluruh dunia. Oleh karena itu, deteksi kanker paru sejak dini perlu dilakukan untuk menekan kasus kematian pada kanker paru. Fuzzy Radial Basis Function Neural Network (FRBFNN) merupakan gabungan model jaringan saraf tiruan dan logika fuzzy yang dapat digunakan untuk mendeteksi dini kanker paru. Penelitian ini bertujuan untuk menjelaskan langkah-langkah pembentukan model FRBFNN dan ketepatan hasil deteksi dini kanker paru menggunakan model FRBFNN. Prosedur awal pembentukan model FRBFNN untuk mendeteksi dini kanker paru adalah preprocessing citra dengan melakukan operasi transformasi menggunakan filter high frequency emphasis dan histogram equalization. Selanjutnya, menggunakan metode Gray Level Co-occurrence Matrix (GLCM) untuk mengekstrak 14 fitur second order statistical. Dengan melakukan t-test terpilih 5 fitur yang berbeda signifikan yaitu energy, contrast, correlation, inverse difference moment, dan entropy. Selanjutnya, membagi data menjadi 2 bagian yaitu 80% data training dan 20% data testing. Variabel input yang digunakan adalah 5 fiturr hasil ekstraksi metode GLCM dan variabel output adalah diagnosa dari citra radiography. Pada pembelajaran FRBFNN terbagi menjadi 4 tahap, yaitu melakukan fuzzifikasi dari 5 fitur dengan menggunakan fungsi keanggotaan trapesium, menentukan nilai pusat dan jarak dari fungsi aktivasi gaussian dengan menggunakan K-Means clustering, menentukan jumlah neuron pada lapisan tersembunyi, dan menentukan bobot-bobot jaringan dengan menggunakan dua pendekatan yaitu metode Global Ridge Regression dan algoritma Backpropagation. Berdasarkan langkah-langkah pembentukan model FRBFNN untuk mendeteksi dini kanker paru, diperoleh model FRBFNN terbaik dengan 5 neuron pada lapisan input fitur, 15 neuron pada lapisan input fuzzy, 7 neuron serta 1 neuron bias pada lapisan tersembunyi, dan 1 neuron pada lapisan output. Tingkat persentase sensitivitas, spesifisitas, dan akurasi model FRBFNN secara berurutan adalah 88,1%, 100%, 93,75% untuk data training dan 80%, 80%, 80% untuk data testing. Kata Kunci : Kanker Paru, Fuzzy Radial Basis Function Neural Network (FRBFNN), Filter High Frequency Emphasis, Backpropagation, Global Ridge Regression. vii
8 KATA PENGANTAR Puji syukur dan terima kasih ke hadirat Tuhan Yang Maha Esa, yang telah melimpahkan rahmat dan karunia kepada penulis sehingga dapat menyelesaikan skripsi ini. Penulisan skripsi ini bertujuan memenuhi salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika di Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Yogyakarta. Penyusunan skripsi ini tidak lepas dari dukungan, motivasi, kerjasama maupun bimbingan dari berbagai pihak secara langsung maupun tidak langsung. Oleh karena itu, penulis menyampaikan terima kasih kepada: 1. Bapak Dr. Hartono, selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam yang telah memberikan kesempatan penulis untuk menyelesaikan studi dan memberikan kelancaran dalam pelayanan akademik serta fasilitas studi di tingkat fakultas. 2. Bapak Dr. Ali Mahmudi, selaku Ketua Jurusan Pendidikan Matematika yang telah memberikan kelancaran dalam pelayanan akademik serta fasilitas studi di tingkat jurusan. 3. Bapak Dr. Agus Maman Abadi, selaku Ketua Program Studi Matematika dan Dosen Pembimbing II atas bimbingan, pengarahan, dan semangat dalam penyusunan skripsi ini serta dukungan akademik kepada penulis. 4. Ibu Dr. Dhoriva U.W., selaku Dosen Pembimbing I yang telah sangat sabar memberikan bimbingan, pengarahan, dan semangat dalam penyusunan skripsi ini. viii
9 5. Ibu Retno Subekti, M. Sc, selaku Dosen Penasehat Akademik yang telah memberikan pengarahan dan bimbingan selama proses studi. 6. Seluruh Dosen Jurusan Pendidikan Matematika yang telah memberikan arahan dan ilmu yang bermanfaat bagi penulis. 7. Seluruh pihak yang telah membantu dan memberikan dukungan dalam penulisan skripsi ini hingga akhir. Penulis menyadari bahwa masih banyak kekurangan dan kesalahan dalam skripsi ini. Oleh karena itu, kritik dan saran yang membangun penulis harapkan sebagai sebuah koreksi dan untuk perbaikan skripsi ini. Demikian skripsi ini penulis susun, semoga dapat memberikan manfaat bagi penulis dan pembaca. Yogyakarta, 16 Mei 2017 Penulis, Leonardus Ragil Panungkas ix
10 DAFTAR ISI HALAMAN JUDUL... i HALAMAN PERSETUJUAN... ii HALAMAN PENGESAHAN... iii HALAMAN PERNYATAAN... iv MOTTO... v HALAMAN PERSEMBAHAN... vi ABSTRAK... vii KATA PENGANTAR...viii DAFTAR ISI... x DAFTAR TABEL...xiii DAFTAR GAMBAR... xiv DAFTAR LAMPIRAN... xvi DAFTAR SIMBOL...xvii BAB I PENDAHULUAN...1 A. Latar Belakang...1 B. Rumusan Masalah...6 C. Tujuan Penelitian...7 D. Manfaat Penelitian...7 BAB II KAJIAN TEORI...9 A. Kanker Paru Pengertian Kanker Paru Jenis Kanker Paru Faktor Resiko Kanker Paru Gejala Kanker Paru Deteksi Dini Kanker Paru...13 B. Pengolahan Citra Digital...15 C. Perbaikan Kualitas Citra Transformasi Fourier Diskret 2-D Konsep Filter dalam Domain Frekuensi Filter Penajaman pada Domain Frekuensi High Frequency Emphasis Filter (HFEF)...25 x
11 D. Ekstraksi Fitur Citra...26 E. Teori Himpunan Fuzzy Himpunan Klasik Himpunan Fuzzy Fungsi Keanggotaan Operasi Dasar Zadeh...33 F. Jaringan Saraf Tiruan (Artificial Neural Network) Arsitektur Jaringan Fungsi Aktivasi Algoritma Pembelajaran (Learning Algorithm)...42 G. Ketepatan Hasil Diagnosa...43 BAB III PEMBAHASAN...45 A. Fuzzy Radial Basis Function Neural Network (FRBFNN) Arsitektur FRBFNN Fungsi Aktivasi FRBFNN Algoritma Pembelajaran FRBFNN...49 B. Prosedur Model (FRBFNN) dengan Preprocessing Citra untuk Deteksi Dini Kanker Paru Preprocessing Citra Ekstraksi Fitur Citra Pembagian Data Menentukan Variabel Input dan Variabel Output Pembelajaran FRBFNN Menentukan Jaringan Optimum...72 C. Hasil Model (FRBFNN) dengan Preprocessing Citra untuk Deteksi Dini Kanker Paru Preprocessing Citra Ekstraksi Fitur pada Citra Pembagian Data Menentukan Variabel Input dan Variabel Output Pembelajaran FRBFNN Menentukan Jaringan Optimum...85 D. Perbandingan Ketepatan Hasil Deteksi Dini Kanker Paru xi
12 BAB IV PENUTUP A. Kesimpulan B. Saran DAFTAR PUSTAKA LAMPIRAN xii
13 DAFTAR TABEL Tabel 2.1 Hasil Uji Diagnosa 2 Kategori...43 Tabel 3.1 Tabel Data Pengamatan...53 Tabel 3.2 Koordinat Pusat Cluster Partisi Pertama...53 Tabel 3.3 Koordinat Pusat Cluster Partisi Kedua...55 Tabel 3.4 Hasil Ekstraksi Citra N1.jpg...77 Tabel 3.5 Persentase Akurasi Model RBFNN Metode Global Ridge Regression...85 Tabel 3.6 Persentase Akurasi Model RBFNN Metode Algoritma Backpropagation...87 Tabel 3.7 Persentase Akurasi Model FRBFNN Metode Global Ridge Regression...89 Tabel 3.8 Persentase Akurasi Model FRBFNN Metode Algoritma Backpropagation...90 Tabel 3.9 Perbandingan Hasil Ketepatan Deteksi Dini Kanker Paru pada Data Training dari model RBFNN dan FRBFNN Tabel 3.10 Perbandingan Tingkat Sensitivitas, Spesifisitas dan Akurasi pada Data Training dari RBFNN dan FBFNN Tabel 3.11 Perbandingan Hasil Ketepatan Deteksi Dini Kanker Paru pada Data Testing dari model RBFNN dan FRBFNN Tabel 3.12 Perbandingan Tingkat Sensitivitas, Spesifisitas dan Akurasi pada Data Testing dari RBFNN dan FBFNN xiii
14 DAFTAR GAMBAR Gambar 2.1 Spektrum Fourier 2-D...18 Gambar 2.2 Citra Lena.jpg...22 Gambar 2.3 Spektrum Fourier Citra pada Gambar 2.2(b)...22 Gambar 2.4 Spektrum Fourier Filter H(u, v) dan F(u, v)...23 Gambar 2.5 Citra Hasil Transformasi Balik dari Citra pada Langkah (3)...23 Gambar 2.6 Citra Hasil Perbaikan Kualitas Citra pada Domain Frekuensi...24 Gambar 2.7 Representasi Kurva Linear Naik...31 Gambar 2.8 Representasi Kurva Linear Turun...32 Gambar 2.9 Representasi Kurva Segitiga...32 Gambar 2.10 Representasi Kurva Trapesium...33 Gambar 2.11 Jaringan Saraf Biologis...35 Gambar 2.12 Model Jaringan Saraf Tiruan Non-Linear...36 Gambar 2.13 Arsitektur Jaringan Lapisan Tunggal...37 Gambar 2.14 Arsitektur Jaringan Lapisan Jamak...38 Gambar 2.15 Fungsi Identitas...39 Gambar 2.16 Fungsi Tangga Biner...40 Gambar 2.17 Fungsi Sigmoid Biner...41 Gambar 2.18 Fungsi Sigmoid Bipolar...41 Gambar 3.1 Arsitektur Model FRBFNN...46 Gambar 3.2 Diagram Alir Pemodelan FRBFNN...73 Gambar 3.3 Pemotongan Citra Radiography N1.jpg...75 Gambar 3.4 Perbaikan Kualitas Citra Radiography N1.jpg...75 Gambar 3.5 Filter Highpass...76 Gambar 3.6 Perbaikan Kualitas Citra Radiography N1.jpg dengan Filter High Frequency Emphasis...76 Gambar 3.7 Perbaikan Kualitas Citra Radiography N1.jpg dengan Histogram Equalization...76 Gambar 3.8 Perbedaan MSE Data Training pada Model RBFNN...88 xiv
15 Gambar 3.9 Perbedaan MSE Data Testing pada Model RBFNN...88 Gambar 3.10 Perbedaan MSE Data Training pada Model FRBFNN...91 Gambar 3.11 Perbedaan MSE Data Testing pada Model FRBFNN...91 Gambar 3.12 Arsitektur Jaringan Optimum Model FRBFNN...93 xv
16 DAFTAR LAMPIRAN Lampiran 1. Citra Radiography Paru-Paru tanpa Preprocessing dan dengan Preprocessing Lampiran 2. Script m-file Ekstraksi Fitur Citra dengan Preprocessing Lampiran 3. Hasil Ekstraksi Fitur Citra Radiography Paru-Paru dengan Preprocessing Lampiran 4. Data Training Citra Radiography Paru-Paru dengan Preprocessing Lampiran 5. Data Testing Citra Radiography Paru-Paru dengan Preprocessing Lampiran 6. Derajat Keanggotaan untuk Data Training Citra Radiography Paru- Paru dengan Preprocessing Lampiran 7. Derajat Keanggotaan untuk Data Testing Citra Radiography Paru- Paru dengan Preprocessing Lampiran 8. Nilai Pusat dan Jarak Maksimum 7 Cluster Lampiran 9. Script Matlab Model FRBFNN Metode Global Ridge Regression Lampiran 10. Script Matlab Model FRBFNN Metode Algoritma Backpropagation Lampiran 11. Hasil Fungsi Aktivasi Gaussian untuk Data Training Lampiran 12. Hasil Fungsi Aktivasi Gaussian untuk Data Testing Lampiran 13. Hasil Output Model FRBFNN Lampiran 14. Bobot Hasil Pembelajaran Metode Algoritma Backpropagation Lampiran 15. Script m-file rbfdesign Lampiran 16. Script m-file globalridge Lampiran 17. Script m-file GLCM_Features4 untuk Ekstraksi Fitur pada Citra xvi
17 DAFTAR SIMBOL x i i μ li (x i ) l φ j w j : Variabel input fitur ke-i. : 1, 2, 3,..., p. : Derajat keanggotaan himpunan fuzzy ke-l dari variabel input ke-i. : 1,2,3,, q. : Fungsi aktivasi ke-j. : Bobot dari neuron ke-j pada lapisan tersembunyi menuju neuron pada lapisan output. j w 0 y k y k k c (li)j r j m n p q d(a, B) f(x, y) F(u, v) R(u, v) I(u, v) F(u, v) (u, v) P(u,v) H hp (u, v) : 1, 2, 3,..., m. : Bobot bias pada lapisan tersembunyi menuju neuron pada lapisan output. : Hasil variabel output dari data ke-k. : Target variabel output dari data ke-k. : 1, 2, 3,..., n. : nilai pusat cluster ke-j. : jarak maksimum pada cluster ke-j. : Jumlah neuron pada lapisan tersembunyi. : Jumlah data pengamatan. : Jumlah neuron pada lapisan input fitur. : Banyak himpunan fuzzy. : Jarak Euclidean antara titik A dan B. : Fungsi diskrit citra digital. : Fungsi diskrit transformasi fourier 2 dimensi. : Komponen real dari F(u, v). : Komponen imaginer dari F(u, v). : Spektrum Transformasi Fourier. : Sudut Fase Transformasi Fourier. : Power spektrum Transformasi Fourier. : Fungsi filter Highpass. xvii
18 H lp (u, v) H bt (u, v) D 0 D(u, v) H hfe (u, v) P ij N g : Fungsi filter Lowpass. : Fungsi filter Butterworth Highpass. : Cut-off frekuensi pada suatu filter Butterworth Highpass. : Jarak sembarang titik (u,v) ke titik origin F(0,0). : Fungsi filter High Frequency Emphasis. : Entri pada GLCM baris ke-i dan kolom ke-j. : Banyak tingkat keabuan pada suatu citra. N g N g. i=1 j=1 μ x : Rata-rata dari ip(i, j) N g N g. i=1 j=1 μ y : Rata-rata dari jp(i, j) N g i=1 N g j=1 σ x : Simpangan baku dari (i μ x ) 2 P(i, j). N σ y : Simpangan baku dari g N g (j μ y ) 2 P(i, j). i=1 j=1 xviii
KLASIFIKASI 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 III PEMBAHASAN. Radial Basis Function Neural Network (FRBFNN), prosedur pembentukan model
BAB III PEMBAHASAN Bab III merupakan pembahasan yang meliputi proses penelitian yaitu Fuzzy Radial Basis Function Neural Network (FRBFNN), prosedur pembentukan model FRBFNN, hasil model FRBFNN untuk deteksi
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 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 terperinciMODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA
MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciKLASIFIKASI KANKER SERVIKS MENGGUNAKAN MODEL BACKPROPAGATION NEURAL NETWORK DAN PREPROCESSING CITRA DENGAN OPERASI SPASIAL
KLASIFIKASI KANKER SERVIKS MENGGUNAKAN MODEL BACKPROPAGATION NEURAL NETWORK DAN PREPROCESSING CITRA DENGAN OPERASI SPASIAL SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB III METODE PENELITIAN. sekunder berupa citra Magnetic Resonansi Image (MRI) yang diperoleh dari
BAB III METODE PENELITIAN Metode penelitian yang dilakukan pada penelitian ini adalah teknik pengumpulan data dan teknik analisis data. A. Teknik Pengumpulan Data Data yang digunakan pada penelitian ini
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 terperinciOPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
OPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciFUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA TUGAS AKHIR SKRIPSI
FUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
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 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 terperinciBAB III PEMBAHASAN. FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan
BAB III PEMBAHASAN Pada bab ini berisi mengenai FRBFNN, prosedur pembentukan model FRBFNN, Arsitektur FRBFNN, aplikasi FRBFNN untuk meramalkan kebutuhan listrik di D.I Yogyakarta. A. Radial Basis Function
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. 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 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 terperinciBAB III PEMBAHASAN. 1. Arsitektur Fuzzy Radial Basis Function Neural Network (FRBFNN) Fuzzy Radial Basis Function Neural Network (FRBFNN) merupakan
BAB III PEMBAHASAN A. Fuzzy Radial Basis Function (FRBFNN) 1. Arsitektur Fuzzy Radial Basis Function Neural Network (FRBFNN) Fuzzy Radial Basis Function Neural Network (FRBFNN) merupakan gabungan dari
Lebih terperinciBAB II KAJIAN TEORI. ekstraksi fitur citra, jaringan saraf tiruan, logika fuzzy, dan ketepatan hasil diagnosa.
BAB II KAJIAN TEORI Bab II berisi tentang kajian teori yang akan digunakan dalam penelitian ini di antaranya mengenai kanker paru, pengolahan citra digital, perbaikan kualitas citra, ekstraksi fitur citra,
Lebih terperinciKLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN WAVELET FUZZY SYSTEMS TUGAS AKHIR SKRIPSI
KLASIFIKASI PENYAKIT JANTUNG MENGGUNAKAN WAVELET FUZZY SYSTEMS TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Model sistem presensi biometri sidik jari yang dikembangkan secara garis
BAB III METODOLOGI PENELITIAN 3.1 Disain Penelitian Model sistem presensi biometri sidik jari yang dikembangkan secara garis besar terdiri atas bagian input, bagian proses, dan bagian output seperti gambar
Lebih 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 terperinciAplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman
Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman Provinsi Daerah Istimewa Yogyakarta Oleh: Arifudin Prabowo Kurniawan 13305144011 ABSTRAK
Lebih terperinciPrediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 12 Prediksi Nilai Indeks Harga Konsumen (IHK) Kota Jambi Menggunakan Radial Basis Function Neural Network (RBFNN) dengan Metode Fuzzy C-Means Clustering
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 terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciAPLIKASI FUZZY LOGIC UNTUK MENILAI KOLEKTIBILITAS ANGGOTA SEBAGAI PERTIMBANGAN PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT DI KOPERASI X SKRIPSI
APLIKASI FUZZY LOGIC UNTUK MENILAI KOLEKTIBILITAS ANGGOTA SEBAGAI PERTIMBANGAN PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT DI KOPERASI X SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciDAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pernyataan Keaslian. Lembar Pengesahan Penguji. Halaman Persembahan.
xi DAFTAR ISI Halaman Judul Lembar Pengesahan Pembimbing Lembar Pernyataan Keaslian Lembar Pengesahan Penguji Halaman Persembahan Halaman Motto Kata Pengantar Abstraksi Daftar Isi Daftar Gambar Daftar
Lebih terperinciOPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI
OPTIMISASI POLA DISTRIBUSI DENGAN LOGIKAFUZZY DAN ALGORITMA SEMUT PADA PT. SRI ANEKA PANGAN NUSANTARA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciAPLIKASI GRAF FUZZY PADA PENGATURAN LAMPU LALU LINTAS DI PERSIMPANGAN JALAN TERBAN KABUPATEN SLEMAN PROVINSI DAERAH ISTIMEWA YOGYAKARTA
APLIKASI GRAF FUZZY PADA PENGATURAN LAMPU LALU LINTAS DI PERSIMPANGAN JALAN TERBAN KABUPATEN SLEMAN PROVINSI DAERAH ISTIMEWA YOGYAKARTA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPERBANDINGAN KINERJA EKSTRAKSI FITUR TINGKAT RENDAH MENGGUNAKAN METODE
PERBANDINGAN KINERJA EKSTRAKSI FITUR TINGKAT RENDAH MENGGUNAKAN METODE Gray Level Co-occurrence Matrix (GLCM) dan GABOR FILTER DALAM PENGENALAN MOTIF BATIK OLEH : ANUGRAH SURADIPURWO NIM : 41508110061
Lebih terperinciDAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan. Halaman Motto. Kata Pengantar.
DAFTAR ISI Halaman Judul i Lembar Pengesahan Pembimbing ii Lembar Pengesahan Penguji iii Halaman Persembahan iv Halaman Motto v Kata Pengantar vi Abstraksi viii Daftar Isi ix Daftar Gambar xii Daftar Tabel
Lebih terperinciPERBANDINGAN HASIL PEMODELAN ARTIFICIAL NEURAL NETWORKS DAN KERNEL SMOOTHING PADA DATA REGRESI NON LINIER
TUGAS AKHIR - ST 1325 PERBANDINGAN HASIL PEMODELAN ARTIFICIAL NEURAL NETWORKS DAN KERNEL SMOOTHING PADA DATA REGRESI NON LINIER ADITYA HIDAYAT JATI NRP 1302100044 Dosen Pembimbing Dra. Kartika Fitriasari,
Lebih terperinciNeural Networks. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk
Lebih 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 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 terperinciBIFURKASI HOPF PADA SISTEM PREDATOR PREY DENGAN FUNGSI RESPON TIPE II
BIFURKASI HOPF PADA SISTEM PREDATOR PREY DENGAN FUNGSI RESPON TIPE II SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION Nasep Muhamad Ramdan (0522135) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg.
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 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 terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2004/2005 PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANS FORMAS I WAVELET DIS KRIT D AN JARINGAN S ARAF
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 SPEAKER IDENTIFICATION DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF
Lebih terperinciDAFTAR ISI HALAMAN PERSETUJUAN... III PERNYATAAN... IV PRAKATA... V DAFTAR ISI... VI DAFTAR GAMBAR... IX DAFTAR TABEL... XII INTISARI...
DAFTAR ISI HALAMAN PERSETUJUAN... III PERNYATAAN... IV PRAKATA... V DAFTAR ISI... VI DAFTAR GAMBAR... IX DAFTAR TABEL... XII INTISARI... XIV ABSTRACT...XV BAB 1 PENDAHULUAN... 1 1.1. Latar Belakang Masalah...
Lebih terperinciARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A
ARTIFICIAL NEURAL NETWORK CAHYA YUNITA 5213100001 ALVISHA FARRASITA 5213100057 NOVIANTIANDINI 5213100075 TEKNIK PERAMALAN - A MATERI Neural Network Neural Network atau dalam bahasa Indonesia disebut Jaringan
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 PENGENALAN KARAKTER PLAT KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE FCM Abstrak Victor Prahara
Lebih terperinciBAB II LANDASAN TEORI. titiktitik penyusun citra itu sendiri. Titik-titik tersebut disebut dengan pixel. Banyaknya
BAB II LANDASAN TEORI 2. Citra/Image Citra atau yang lebih sering dikenal dengan gambar merupakan kumpulan dari titiktitik penyusun citra itu sendiri. Titik-titik tersebut disebut dengan pixel. Banyaknya
Lebih 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 terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007 Peramalan Harga Indeks Saham Hang Seng dengan Menggunakan Jaringan
Lebih terperinciNEURAL NETWORK BAB II
BAB II II. Teori Dasar II.1 Konsep Jaringan Saraf Tiruan (Artificial Neural Network) Secara biologis jaringan saraf terdiri dari neuron-neuron yang saling berhubungan. Neuron merupakan unit struktural
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI NILAI TUKAR RUPIAH TERHADAP MATA UANG ASING SKRIPSI. Diajukan Sebagai Salah Satu Syarat
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI NILAI TUKAR RUPIAH TERHADAP MATA UANG ASING SKRIPSI Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Jenjang Strata Satu (S1) Pada Program
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 terperinciPENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
PENGARUH UJI TUKEY TERHADAP VERIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK Thari Novianty Mentaruk (0722100) Jurusan Teknik Elektro e-mail : thari_novianty_m@yahoo.com Verifikasi tanda
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
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 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 PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciJaringan syaraf dengan lapisan tunggal
Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan
Lebih terperinciIDENTIFIKASI BARCODE DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
IDENTIFIKASI BARCODE DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN TUGAS AKHIR RONI NRP. 2400 100 067 PROGRAM STUDI S-1 JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciANALISIS SENSITIVITAS MASALAH TRANSPORTASI DAN PENERAPANNYA PADA PENDISTRIBUSIAN PRODUK OTENTIK COFFEE YOGYAKARTA TUGAS AKHIR SKRIPSI
ANALISIS SENSITIVITAS MASALAH TRANSPORTASI DAN PENERAPANNYA PADA PENDISTRIBUSIAN PRODUK OTENTIK COFFEE YOGYAKARTA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciANALISIS KESTABILAN DARI SISTEM DINAMIK MODEL SEIR PADA PENYEBARAN PENYAKIT CACAR AIR (VARICELLA) DENGAN PENGARUH VAKSINASI SKRIPSI
ANALISIS KESTABILAN DARI SISTEM DINAMIK MODEL SEIR PADA PENYEBARAN PENYAKIT CACAR AIR (VARICELLA) DENGAN PENGARUH VAKSINASI SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 PENERAPAN LOGIKA SAMAR DALAM PEMROSESAN CITRA Arief Budiman 0700711481 Muhammad Arya Chandra
Lebih terperinciJournal of Control and Network Systems
JCONES Vol. 5, No. 1 (2016) 158-163 Journal of Control and Network Systems Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone IDENTIFIKASI JENIS PENYAKIT DAUN TEMBAKAU MENGGUNAKAN METODE GRAY LEVEL
Lebih terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciBAB II KAJIAN TEORI. kanker. Kanker yang tumbuh pada payudara disebut kanker payudara.
BAB II KAJIAN TEORI A. Kanker Payudara Kanker merupakan pertumbuhan sekelompok sel yang tidak normal, yang berkembang pada bagian tubuh yang normal. Sel kanker yang tumbuh membentuk benjolan disebut tumor.
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciKarakteristik Spesifikasi
Sinyal yang masuk difilter ke dalam sinyal frekuensi rendah (low-pass filter) dan sinyal frekuensi tinggi (high-pass filter) Lakukan downsampling pada kedua sinyal tersebut Low-pass frekuensi hasil downsampling
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA
APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA Pembimbing: Desi Fitria Utami M0103025 Drs. Y. S. Palgunadi, M. Sc
Lebih 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 terperinciSistem Deteksi Citra Penyakit Retinopati Diabetes Menggunakan Jaringan Syaraf Tiruan
Sistem Deteksi Citra Penyakit Retinopati Diabetes Menggunakan Jaringan Syaraf Tiruan i ii RETINOPATI DIABETES; Sistem Deteksi Penyakit Menggunakan Jaringan Syaraf Tiruan Sistem Deteksi Citra Penyakit Retinopati
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciDAFTAR ISI HALAMAN JUDUL...
xi DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN DOSEN PEMBIMBING... ii LEMBAR PENGESAHAN DOSEN PENGUJI... iii LEMBAR PERNYATAAN KEASLIAN... iv HALAMAN PERSEMBAHAN... v HALAMAN MOTTO... vi KATA PENGANTAR...
Lebih terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF)
PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF) AINUN JARIAH 1209201721 DOSEN PEMBIMBING 1. Prof. Dr. Mohammad Isa Irawan, M.T 2. Dr Imam Mukhlas, S.Si, M.T
Lebih terperinciPENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE
PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE Radian Rizki Triadhi NRP : 1222033 E-mail : radianrizkitriadhi@ymail.com ABSTRAK Pengenalan tulisan tangan
Lebih terperinciBINUS UNIVERSITY. Program Studi Ganda. Teknik Informatika Matematika PERANCANGAN PROGRAM APLIKASI SPEECH RECOGNIZER DENGAN SPECTROGRAM
BINUS UNIVERSITY Program Studi Ganda Teknik Informatika Matematika PERANCANGAN PROGRAM APLIKASI SPEECH RECOGNIZER DENGAN SPECTROGRAM Stefan A.Y. NIM : 0700683673 ABSTRAK Speech Recognizer atau pengenal
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 203-209 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD
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 terperinciANALISIS BIFURKASI PADA MODEL MATEMATIS PREDATOR PREY DENGAN DUA PREDATOR SKRIPSI
ANALISIS BIFURKASI PADA MODEL MATEMATIS PREDATOR PREY DENGAN DUA PREDATOR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan
Lebih terperinciPENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON
PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON Disusun oleh : Nama : J. Rio Sihombing NRP : 0322129 Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Genap tahun 2006/2007 SEGMENTASI CITRA SPOT DENGAN MENGGUNAKAN PENDEKATAN FUZZY C-MEANS Jimmy Johan / 0700708953
Lebih terperinciANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES SKRIPSI
ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta Sebagai
Lebih terperinciIMPLEMENTASI ALGORITMA RANDOM FORESTS UNTUK KLASIFIKASI SPAM PADA CITRA DAN TEXT INSTAGRAM TUGAS AKHIR
IMPLEMENTASI ALGORITMA RANDOM FORESTS UNTUK KLASIFIKASI SPAM PADA CITRA DAN TEXT INSTAGRAM TUGAS AKHIR RIZKY NOVRIYEDI PUTRA 1132001001 PROGRAM STUDI INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS
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 terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF
Lebih terperinciPERAMALAN JUMLAH SAMPAH MASYARAKAT KOTA MEDAN PADA TAHUN 2016 MENGGUNAKAN JARINGAN SYARAF TIRUAN SKRIPSI YONA WULANDARI
PERAMALAN JUMLAH SAMPAH MASYARAKAT KOTA MEDAN PADA TAHUN 2016 MENGGUNAKAN JARINGAN SYARAF TIRUAN SKRIPSI YONA WULANDARI 120803065 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciPEMODELAN MATEMATIKA PENYEBARAN PENYAKIT VIRUS EBOLA DAN ANALISIS PENGARUH PARAMETER LAJU TRANSMISI TERHADAP PERILAKU DINAMISNYA TUGAS AKHIR SKRIPSI
PEMODELAN MATEMATIKA PENYEBARAN PENYAKIT VIRUS EBOLA DAN ANALISIS PENGARUH PARAMETER LAJU TRANSMISI TERHADAP PERILAKU DINAMISNYA TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
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 terperinciSISTEM KONTROL TRUCK BACKER-UPPERR MENGGUNAKAN JARINGAN NEURAL
SKRIPSI SISTEM KONTROL TRUCK BACKER-UPPERR MENGGUNAKAN JARINGAN NEURAL Ditulis untuk memenuhi sebagian persyaratan akademik guna memperoleh gelar Sarjana Komputer Strata Satu Oleh : NAMA : OEY, MELYS WIJAYA
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah
BAB IV HASIL DAN PEMBAHASAN A. Data Sampel Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah sampel beras B, 1 buah sampel beras C, dan 2 buah sampel beras D. 1. Data Pengujian Mutu Beras
Lebih terperinciMahasiswa: Muhimmatul Khoiro Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si.
Mahasiswa: Muhimmatul Khoiro 1110100049 Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si. Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2014 Diagnosa
Lebih terperinciIDENTIFIKASI MACAN TUTUL DENGAN METODE GREY LEVEL COOCURENT MATRIX ( GLCM) Zuly Budiarso Fakultas teknologi Informasi, Univesitas Stikubank Semarang
IDENTIFIKASI MACAN TUTUL DENGAN METODE GREY LEVEL COOCURENT MATRIX ( GLCM) Zuly Budiarso Fakultas teknologi Informasi, Univesitas Stikubank Semarang Abstrak Tekstur (Textures) adalah sifat-sifat atau karakteristik
Lebih terperinciANALISIS SISTEM ANTREAN PADA PELAYANAN PASIEN BPJS RUMAH SAKIT MATA DR. YAP YOGYAKARTA SKRIPSI
ANALISIS SISTEM ANTREAN PADA PELAYANAN PASIEN BPJS RUMAH SAKIT MATA DR. YAP YOGYAKARTA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DAN ALGORITMA SWEEP PADA PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) UNTUK OPTIMASI PENDISTRIBUSIAN GULA
PENERAPAN ALGORITMA GENETIKA DAN ALGORITMA SWEEP PADA PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (CVRP) UNTUK OPTIMASI PENDISTRIBUSIAN GULA SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciPERAMALAN HARGA MINYAK MENTAH DUNIA NEURAL NETWORK
PERAMALAN HARGA MINYAK MENTAH DUNIA MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK SKRIPSI Disusun oleh: Rahafattri Ariya Fauzannissa 24010211140092 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinci