BAB 6 SIMPULAN DAN SARAN
|
|
- Johan Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 39 BAB 6 SIMPULAN DAN SARAN 6.1 Simpulan Dari penelitian yang telah dilakukan hingga mendapatkan hasil yang cukup memuaskan, maka ada beberapa kesimpulan yang dapat peneliti berikan, 1. Teknik ekstraksi ciri dari citra dengan mengambil unsur RGB yaitu warna merah (R), warna hijau (G) da n warna biru (B) dari citra RGB, dan Enam unsur dari citra grayscale yaitu entropy, kontras, energi, homogenitas, level, dan standar deviasi, mampu mengidentifikasi jenis kayu dengan sangat baik. 2. Data masukan yang bersumber dari unsur RGB dan skala keabuan mampu menekan waktu pelatihan dan waktu uji. 3. Analisa tekstur dari Haralic ditambah lima unsur lainnya menjadikan arsitektur JST menjadi lebih sederhana. 4. Teknik praproses, tanpa praproses, gelombang singkat (wavelet), deteksi tepi (edge detection), tidak cocok digunakan pada penelitian ini. 6.2 Saran Beberapa saran yang dianggap cukup penting bagi peneliti selanjutnya, adalah, Perlu diperbanyak jumlah jenis kayu yang akan diidentifikasi, sehingga semakin terlihat kehandalan model yang dirancang. Penting untuk diperhatikan mengenai tingkat kekeringan kayu saat di pindai. Begitupun dengan pelatihan perlu diperbanyak jumlah citranya. Selain itu dari segi alat, perlu dicoba dengan alat pindai dari merk dan tipe lain, selain yang digunakan pada penelitian ini, sehingga akan tampak pengaruh alat yang digunakan dengan tingkat generalisasi yang dihasilkan. Untuk mempermudah pengujian, maka perlunya dibuat suatu program aplikasi.
2 40 DAFTAR PUSTAKA Bond B. and Hamner P. Wood Identification for Hardwood and Soft wood Species Native to Tennese. Burrus, C.S. Gopinath R.A., Guo, H. 1998, Introduction to Wavelets and Wavelet Transforms A Primer, International Edition, Prentice-Hall International, Inc. Fausett, L. 1994, Fundamentals Of Neural Network Architectures : Algorithm and Applications, Prectice-Hall, Inc. Florensa Rosani Br Purba, Rekayasa Sistem Neuro-Fuzzy untuk Identifikasi Jenis Kayu Bangunan dan Furniture. Bogor : Sekolah Pasca Sarjana Institut Pertanian Bogor. Gonzalez R.C., Wood, R.E. 2002, Digital Image Processing, Second Edition, Prentice Hall, Inc. Haralick, RM., K. Shanmugam and Itshak Dinstein. 1973, Textural Features For Image Classification, IEEE Transaction On System, Man and Cybernetics. Vol 3, No. 6. Jain, Ramesh. 1995,Machine Vision, McGraw-ill. Mandang, Y.L. dan Pandit, I.K.N Seri Manual: Pedoman Identifikasi Jenis Kayu Lapangan. Bogor: PROSEA Indonesia. Mathwork Inc., Neural Network Toolbox for Use With Matlab. The Mathwork Inc. Natick, USA. Rinaldi Munir. 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika. Sri Kusumadewi, Artificial Intellegence: Teknik dan Aplikasinya. Yogyakarta: Penerbit Graha Ilmu. Suta Wijaya, G.P. dan Kanata B. Pengenalan Citra Sidik Jari Berbasis Transformasi Wavelet dan Jaringan Syaraf Tiruan. Jurnal Teknik Elektro Vol.4, No.1, Maret 2004: Fakultas Teknik, Jurusan Teknik Elektro, Universitas Mataram. Tomas Sri Widodo Sistem Neuro Fuzzy untuk Pengolahan Informasi, Pemodelan, dan Kendali. Yogyakarta : Graha Ilmu.
3 LAMPIRAN 41
4 42 Lampiran 1 Pengambilan unsur -unsur citra. Baca citra k = imread('img.pcx'); Contoh baca image untuk kayu jabon tipe 1 citra ke-3. >> k = imread('jb1_3.pcx'); Ambil RGB dari citra asli rgb = mean(mean(k)); R = rgb(:,:,1); G = rgb(:,:,2); B = rgb(:,:,3); Contoh ambil RGB dari contoh diatas. >> rgb = mean(mean(k)) rgb(:,:,1) = rgb(:,:,2) = rgb(:,:,3) = Pengubahan dari citra RGB ke citra skala keabuan adalah melalui Matlab. Mengubah ke skala keabuan gl = rgb2gray(k); Ambil standar deviasi Contoh: std = std2(gl); >> std = std2(gl) std = Ambil treshold (level) Contoh : level = graythresh(gl); >> level = graythresh(gl) level = Ambil entropy Contoh : en = entropy(gl); >> en = entropy(gl) en =
5 43 Ambil kontras, homogenity, energy Contoh : glcm = graycomatrix(gl); che = graycoprops(glcm,{'contrast', >> glcm = graycomatrix(gl) 'homogeneity','energy'}); >> che = graycoprops(glcm,{'contrast', 'homogeneity','energy'}) che = Contrast: Energy: Homogeneity: Contoh untuk citra sembarang ukuran. >> k = imread('r_jb6.pcx'); >> size(k) ans = >> rgb = mean(mean(k)) rgb(:,:,1) = rgb(:,:,2) = rgb(:,:,3) = >> gl = rgb2gray(k); >> size(gl) ans = >> std = std2(gl) std = >> level = graythresh(gl) level = >> en = entropy(gl) en = >> glcm = graycomatrix(gl) >> che = graycoprops(glcm,{'contrast', 'homogeneity','energy'}) che = Contrast: Energy: Homogeneity:
6 Lampiran 2 Tabel jadwal penelitian No. Kegiatan Agst-05 Sep-05 Okt-05 Nov-05 Des-05 Jan-06 Feb-06 Mar-06 Apr-06 Mei-06 Jun-06 1 Pengajuan sinopsis 2 Pengajuan judul 3 Pengajuan proposal 4 Sidang komisi I 5 Revisi draf I 6 Kolokium 7 Pengambilan gambar 8 Pemrosesan citra 9 Pembuatan model 10 Penyusunan tesis 11 Sidang komisi II 12 Revisi II 13 Seminar 14 Sidang akhir 15 Administrasi akhir
7 45 Lampiran 3 Perintah Matlab untuk pembangunan jaringan sampai pelatihan. net1=newff(minmax(latih),[18,5], {'logsig','logsig'},'traincgp'); init(net1); net1.trainparam.epochs=2800; net1.trainparam.goal=1e-5; net1.trainparam.lr=0.1; net1.trainparam.mc=0.5; net1train = train(net1, latih,target);
8 46 Lampiran 4 Gambar proses pembelajaran pada pembesaran tipe 1 Hidden Layer MSE 1e-7 MSE 1e
9 47 Lampiran 5 Gambar proses pembelajaran pada pembesaran tipe 2 Hidden Layer MSE 1e-7 MSE 1e
10 48 Lampiran 6 Gambar proses pembelajaran pada pembesaran tipe 3 Hidden Layer MSE 1e-7 MSE 1e
11 49 Lampiran 7 Gambar proses pembelajaran pada pembesaran tipe 4 Hidden Layer MSE 1e-7 MSE 1e
12 50 Lampiran 8 Gambar proses pembelajaran pada pembesaran tipe 5 Hidden Layer MSE 1e-7 MSE 1e
13 51 Lampiran 9 Gambar proses pembelajaran pada pembesaran tipe 6 Hidden Layer MSE 1e-7 MSE 1e
14 52 Lampiran 10 Gambar proses pembelajaran pada pembesaran tipe 7 Hidden Layer MSE 1e-7 MSE 1e
ARSITEKTUR ANFIS UNTUK PENGENALAN KAYU BERBASIS CITRA CROSS-SECTION
ARSITEKTUR ANFIS UNTUK PENGENALAN KAYU BERBASIS CITRA CROSS-SECTION Gasim #, dan Sri Hartati * # Mahasiswa Pasca Sarjana Fakultas MIPA UGM Jurusan Ilmu Komputer 1 gasim@stmik-mdp.net * Fakultas MIPA UGM
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
18 BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Penelitian ini dilakukan berdasarkan sebuah kerangka pemikiran. Seperti tercantum pada Gambar 9. Mulai Potongan kayu Alat pinda i (scanner) Identifikasi
Lebih terperinciHASIL DAN PEMBAHASAN. Generalisasi =
6 Kelas Target Sidik jari individu 5 0000100000 Sidik jari individu 6 0000010000 Sidik jari individu 7 0000001000 Sidik jari individu 8 0000000100 Sidik jari individu 9 0000000010 Sidik jari individu 10
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
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 terperinciJARINGAN SYARAF TIRUAN UNTUK PENGENALAN JENIS KAYU BERBASIS CITRA G A S I M
JARINGAN SYARAF TIRUAN UNTUK PENGENALAN JENIS KAYU BERBASIS CITRA G A S I M SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 ABSTRAK Pengenalan jenis kayu yang sering dilakukan dengan menggunakan
Lebih terperinciPERANCANGAN SISTEM IDENTIFIKASI KUALITAS KAYU UNTUK QUALITY KONTROL BERBASIS PENGOLAHAN CITRA DIGITAL
PERANCANGAN SISTEM IDENTIFIKASI KUALITAS KAYU UNTUK QUALITY KONTROL BERBASIS PENGOLAHAN CITRA DIGITAL Timber Identification System Design For Quality Control Based On Digital Image Processing Igun Gunawan
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan Setelah dilakukan perancangan sistem evaluasi mutu berbasis komputer (logika fuzzy, pengolahan citra dan JST), maka dapat disimpulkan bahwa : 1. Program logika
Lebih terperinciIDENTIFIKASI NAMA KAYU KOMERSIL INDONESIA MENGGUNAKAN RBFNN
IDENTIFIKASI NAMA KAYU KOMERSIL INDONESIA MENGGUNAKAN RBFNN Sri Hartati 1, Gasim 2, Sri Rulliaty S 3, Ratih Damayanti 4 Abstrak - Kegiatan identifikasi kayu (dengan data citra penampang lintang sebagai
Lebih terperinciPERBANDINGAN TINGKAT AKURASI JENIS CITRA KEABUAN, HSV, DAN L*a*b* PADA IDENTIFIKASI JENIS BUAH PIR
PERBANDINGAN TINGKAT AKURASI JENIS CITRA KEABUAN, HSV, DAN L*a*b* PADA IDENTIFIKASI JENIS BUAH PIR Mulia Octavia 1), Jesslyn K 2), Gasim 3) 1), 2),3) Program Studi Teknik Informatika STMIK GI MDP Jl. Rajawali
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Introduction Nama Nazaruddin Ahmad Biodata Tempat/Tgl.Lahir Banda Aceh, 05 Juni 1982 Alamat Hp 081360866064
Lebih terperinci1. PENDAHULUAN Bidang perindustrian merupakan salah satu bidang yang juga banyak menggunakan kecanggihan teknologi, walaupun pada beberapa bagian, mas
PENGKLASIFIKASIAN KUALITAS KERAMIK BERDASARKAN EKSTRAKSI FITUR TEKSTUR STATISTIK Yogi Febrianto yoefanto@gmail.com Jurusan Teknik Informatika Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda
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 terperinciDETEKSI SIDIK JARI BERBASIS ALIHRAGAM GELOMBANG-SINGKAT (wavelet) DAN JARINGAN SYARAF TIRUAN (JST) KHUSUS KOTA MATARAM DAN SEKITARNYA
DETEKSI SIDIK JARI BERBASIS ALIHRAGAM GELOMBANG-SINGKAT (wavelet) DAN JARINGAN SYARAF TIRUAN (JST) KHUSUS KOTA MATARAM DAN SEKITARNYA Jurusan Teknik Elektro Fakultas Teknik Universitas Mataram Jl. Majapahit
Lebih terperinciIdentifikasi Jenis Kayu Menggunakan Support Vector Machine Berbasis Data Citra
Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika Volume 3 Nomor 1 halaman 1-8 ISSN: 2089-6026 Identifikasi Jenis Kayu Menggunakan Support Vector Machine Berbasis Data Citra Wood Type
Lebih terperinciIdentifikasi Jenis Buah Jeruk Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Jenis Buah Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit Reni Resita *1, Juratminingsih *2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciJARINGAN SYARAF TIRUAN UNTUK PENGENALAN JENIS KAYU BERBASIS CITRA G A S I M
JARINGAN SYARAF TIRUAN UNTUK PENGENALAN JENIS KAYU BERBASIS CITRA G A S I M SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 ABSTRAK Pengenalan jenis kayu yang sering dilakukan dengan menggunakan
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciANALISIS TEKSTUR DAN EKSTRAKSI FITUR WARNA UNTUK KLASIFIKASI APEL BERBASIS CITRA. Arie Qur ania, Lita Karlitasar, Sufiatul Maryana
ANALISIS TEKSTUR DAN EKSTRAKSI FITUR WARNA UNTUK KLASIFIKASI APEL BERBASIS CITRA Arie Qur ania, Lita Karlitasar, Sufiatul Maryana ABSTRAK ANALISIS TEKSTUR DAN EKSTRAKSI FITUR WARNA UNTUK KLASIFIKASI APEL
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 004 Yogyakarta, 19 Juni 004 Klasifikasi Pola Menggunakan Jaringan Probabilistik Sri Kusumadewi Jurusan Teknik Informatika, Universitas Islam Indonesia Jl.
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 terperinciSATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN CITRA / 8 KODE MK / SKS / SIFAT : AK / 2 SKS / MK LOKAL
SATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN / 8 KODE MK / SKS / SIFAT : AK01220 / 2 SKS / MK LOKAL Pertemuan Pokok Bahasan dan ke TIU 1 PENDAHULUAN TIU mengetahui
Lebih terperinciPemrosesan Citra Digital untuk Klasifikasi Mutu Buah Pisang Menggunakan Jaringan Saraf Tiruan
IJEIS, Vol.4, No.1, April 2014, pp. 57~68 ISSN: 2088-3714 57 Pemrosesan Citra Digital untuk Klasifikasi Mutu Buah Pisang Menggunakan Jaringan Saraf Tiruan Yanuar Putu Wiharja* 1, Agus Harjoko 2 1 Program
Lebih terperinciHardisk 80 GB Perangkat lunak Window XP Profesional MATLAB 7.0.1
Hardisk 8 GB Perangkat lunak Window XP Profesional MATLAB 7..1 HASIL DAN PEMBAHASAN Percobaan yang dilakukan pada penelitian ini terdiri atas dua macam, yaitu citra yang akan mengalami proses pengenalan
Lebih terperinciKLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni *
KLASIFIKASI SIDIKJARI DENGAN PEMROSESAN AWAL TRANSFORMASI WAVELET Minarni * Abstrak Penelitian ini membahas sistem klasifikasi sidikjari. Citra sidikjari diproses awal dengan transformasi wavelet sehingga
Lebih terperinciIDENTIFIKASI DAUN SHOREA DENGAN BACKPROPAGATION NEURAL NETWORK MENGGUNAKAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM DAN EKSTRAKSI WARNA HSV
IDENTIFIKASI DAUN SHOREA DENGAN BACKPROPAGATION NEURAL NETWORK MENGGUNAKAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM DAN EKSTRAKSI WARNA HSV IMAN AKBAR RAMADHAN Skripsi sebagai salah satu syarat untuk
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 1 NO. 1 MARET 2010
IDENTIFIKASI SIDIKJARI DENGAN EKSTRAKSI CIRI BERBASIS TRANSFORMASI WAVELET HAAR Minarni 1 ABSTRACT This research investigated a possible fingerprint identification system. The fingerprint images were preprocessed
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 terperinciANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA
ISSN: 1693-6930 159 ANALISIS HUBUNGAN ANTARA TINGKAT PENGENALAN JARINGAN SYARAF TIRUAN DENGAN BANYAKNYA JUMLAH KELAS POLA YANG DIKENALI DAN TINGKAT KERUMITAN POLANYA Iwan Suhardi, Riana T. Mangesa Jurusan
Lebih terperinciBulu mata. Generalisasi= Jumlah pola dikenali dengan benar x 100% Jumlah total pola
Generalisasi Hasil penelitian ini diukur menggunakan nilai konvergen dan generalisasi. Nilai konvergen adalah tingkat kecepatan jaringan untuk mempelajari pola input yang dinyatakan dalam satuan iterasi
Lebih terperinciSEMINAR TUGAS AKHIR ATMISYA WIYANTI NRP Dosen Pembimbing Dr.rer.nat.Ir. Aulia M.T. Nasution, M.Sc. Suyanto,ST.MT
SEMINAR TUGAS AKHIR ATMISYA WIYANTI NRP 2404 100 032 Dosen Pembimbing Dr.rer.nat.Ir. Aulia M.T. Nasution, M.Sc. Suyanto,ST.MT JURUSAN TEKNIK FISIKA Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
Lebih terperinciAdiguna¹, -². ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ALGORITMA PENGENALAN SIDIK JARI MENGGUNAKAN ADAPTIVE RESONANCE THEORY DAN FILTER GABOR FINGERPRINT RECOGNITION ALGORITHM USING ADAPTIVE RESONANCE THEORY AND GABOR FILTER
Lebih terperinciPENERAPAN MULTILAYER PERCEPTRON UNTUK KLASIFIKASI JENIS KULIT SAPI TERSAMAK
PENERAPAN MULTILAYER PERCEPTRON UNTUK KLASIFIKASI JENIS KULIT SAPI TERSAMAK Nunik Purwaningsih Dosen Program Studi Teknologi Pengolahan Produk Kulit Politeknik Negeri ATK Yogyakarta E-mail: nunikpurwa@atk.ac.id
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011
STMIK GI MDP Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2010/2011 PENGENALAN KARAKTER ANGKA DARI SEGMENTASI CITRA PLAT NOMOR KENDARAAN DENGAN METODE SOMs Winda Marlia
Lebih terperinciGeneralized Regression Neural Network Sebagai Metode untuk Mengenal 15 Jenis Kayu Komersil Indonesia
Generalized Regression Neural Network Sebagai Metode untuk Mengenal 15 Jenis Kayu Komersil Indonesia Sri Hartati 1, Gasim 2, Sri Rulliaty S 3, Ratih Damayanti 4 1 Ilmu Komputer dan Elektronika, FMIPA,
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 terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciMuhammad Nasir. Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km Lhokseumawe
KLASIFIKASI DAN PNGNALAN SIDIK JAI TTUMPUK BBASIS MTOD LANING VCTO QUANTIZATION Muhammad Nasir Jurusan Teknik lektro Politeknik Negeri Lhokseumawe Jl. Banda Aceh Medan Km. 280. Lhokseumawe 21 mail : masnasir_poli@yahoo.com
Lebih terperinciIwan Suhardi, Studi Pengklasifikasian Citra Berdasarkan Ciri Citra dengan Jaringan Syaraf Tiruan
1 MEDIA ELEKTRIK, Volume 3 Nomor 1, Juni 2008 STUDI PENGKLASIFIKASIAN CITRA BERDASARKAN CIRI CITRA DENGAN JARINGAN SYARAF TIRUAN Iwan Suhardi Jurusan Pendidikan Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciAPLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI
APLIKASI WAVELET COIFLET MENGGUNAKAN JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PENGENALAN SIDIK JARI Arie Firmansyah Permana ), Achmad Hidayatno ), R. Rizal Isnanto ) Jurusan Teknik Elektro, Fakultas
Lebih terperinciChairunnisa Adhisti Prasetiorini *), R. Rizal Isnanto, dan Achmad Hidayatno. Abstrak. Abstract
PENGENALAN IRIS MATA MENGGUNAKAN JARINGAN SARAF TIRUAN METODE PERAMBATAN BALIK DENGAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN (GRAY LEVEL CO-OCCURRENCE MATRIX - GLCM) Chairunnisa Adhisti Prasetiorini
Lebih terperinciBAB I PENDAHULUAN. penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi.
BAB I PENDAHULUAN A. LATAR BELAKANG Buah-buahan merupakan salah satu kelompok komoditas pertanian yang penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi. Permintaan domestik terhadap
Lebih terperinciSATUAN ACARA PERKULIAHAN (SAP) KONSENTRASI MANAJEMEN KEWIRAUSAHAAN KELAS SORE/XXVII
KELAS SORE/XXVII PERIODE SEPTEMBER-DESEMBER 2006 1. 05 Sep 06 18.30-21.00 YW Konsep Kewirausahaan 2. 12 Sep 06 18.30-21.00 YW Proses Kewirausahaan 3. 19 Sep 06 18.30-21.00 YW Karakteristik Motivasi Kewirausahaan
Lebih terperinciBAHAN AJAR. Mata Kuliah Pengolahan Citra. Disusun oleh: Minarni, S. Si., MT
BAHAN AJAR Mata Kuliah Pengolahan Citra Disusun oleh: Minarni, S. Si., MT JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG 2010 RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN
Lebih terperinciDETEKSI KELAINAN KANKER PAYUDARA BERDASARKAN CITRA MAMMOGRAM MENGGUNAKAN JARINGAN SYARAF TIRUAN LVQ (LEARNING VEQTOR QUANTIZATION)
DETEKSI KELAINAN KANKER PAYUDARA BERDASARKAN CITRA MAMMOGRAM MENGGUNAKAN JARINGAN SYARAF TIRUAN LVQ (LEARNING VEQTOR QUANTIZATION) Juwita Puteri Nurasyah¹, Achmad Rizal², Koredianto Usman³ ¹Teknik Telekomunikasi,,
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. mengenali dan membedakan ciri khas yang dimiliki suatu objek (Hidayatno,
1 BAB I PENDAHULUAN A. Latar belakang Saat ini pemanfaatan teknologi pengolaan citra untuk mempermudah manusia dalam menyelesaikan masalah-masalah tertentu sudah banyak diterapkan, khususnya dibidang Identifikasi.
Lebih terperinciKlasifikasi Tingkat Keparahan Non- ProliferativeI Diabetic Retinopathy Bedarsarkan Hard Exudate Menggunakan Extreme Learning Machine
JURNAL SAINS DAN SENI POMITS Vol. 6, No.2, (2017) 2337-3520 (2301-928X Print) A 89 Klasifikasi Tingkat Keparahan Non- ProliferativeI Diabetic Retinopathy Bedarsarkan Hard Exudate Menggunakan Extreme Learning
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 terperinciPENGELOMPOKKAN CITRA WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN SOFTWARE MATLAB ABSTRAK
PENGELOMPOKKAN CITRA WARNA MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN SOFTWARE MATLAB Nurhayati 1, John Adler 2, Sri Supatmi 3 1,2,3 Teknik Komputer, Universitas Komputer Indonesia (UNIKOM) 1 nuril24@yahoo.com,
Lebih terperinciSATUAN ACARA PERKULIAHAN
UNIVERSITAS ISLAM INDONESIA FM-UII-AA-FKA-05/R4 Versi : 1 Revisi : 0 Tggal Revisi : Tggal Berlaku : 1 Agustus 2010 SATUAN ACARA PERKULIAHAN Program Studi : Teknik Informatika Fakultas : Teknologi Industri
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
4 BAB HASIL DAN PEMBAHASAN Ada tiga tahap utama yang dilakukan pada percobaan ini yaitu ektraksi ciri, pelatihan dan pengujian JST. Percobaan dilakukan dengan mengkombinasikan data hasil ekstraksi ciri
Lebih terperinciDETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI
DETEKSI KEMIRINGAN ALUR POLA SIDIK JARI DENGAN HAMMING NET SEBAGAI DASAR KLASIFIKASI Sri Suwarno 1, Sri Hartati 2 1 Program Studi Teknik Informatika UKDW Yogyakarta 2 Program Studi Ilmu Komputer Fakultas
Lebih terperinciGeneralisasi rata-rata (%)
Lingkungan Pengembangan Sistem Sistem dikembangkan menggunakan kompiler Matlab R2008b dan sistem operasi Windows 7. Spesifikasi hardware komputer yang digunakan adalah Processor Intel (R) Atom (TM) CPU
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciEVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN
EVALUASI PENGARUH FUNGSI AKTIFASI DAN PARAMETER KEMIRINGANNYA TERHADAP UNJUKKERJA PENGENALAN JARINGAN SYARAF TIRUAN (Studi Kasus pada Pengenalan Karakter Angka Tulisan Tangan) Iwan Suhardi Jurusan Teknik
Lebih terperinciKLASIFIKASI POLA MENGGUNAKAN JARINGAN PROBABILISTIK
KLASIFIKASI POLA MENGGUNAKAN JARINGAN PROBABILISTIK Sri Kusumadewi Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta cicie@fti.uii.ac.id ABSTRACT More application often used
Lebih terperinciIDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2011 IDENTIFIKASI PEMBUAT TULISAN TANGAN MENGGUNAKAN HAAR WAVELET DAN ALGORITMA PROPAGASI BALIK LEVENBERG MARQUARDT Rizky Suslianto¹, Sri Widowati², Bedy
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54521 / Pengolahan Citra Digital Revisi - Satuan Kredit Semester : 3 SKS Tgl revisi : - Jml Jam kuliah dalam seminggu
Lebih terperinciPPKF63108 DIGITAL IMAGE PROCESSING
RENCANA PEMBELAJARAN SEMESTER (RPS) PPKF63108 DIGITAL IMAGE PROCESSING PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana
Lebih terperinciPENGENALAN BENDA BUDAYA PALEMBANG DALAM KONTEN CITRA DENGAN MENERAPKAN ALGORITMA JARINGAN SARAF TIRUAN
A-105 PENGENALAN BENDA BUDAYA PALEMBANG DALAM KONTEN CITRA DENGAN MENERAPKAN ALGORITMA JARINGAN SARAF TIRUAN Shinta Puspasari Fakultas Ilmu Komputer Universitas Indo Global Mandiri Jl. Jendral Sudirman
Lebih terperinciIdentifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan
Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika Volume 2 Nomor 2 halaman 73-82 ISSN: 2089-6026 Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan
Lebih terperinciPENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN
PENDETEKSIAN TEPI OBJEK MENGGUNAKAN METODE GRADIEN Dolly Indra dolly.indra@umi.ac.id Teknik Informatika Universitas Muslim Indonesia Abstrak Pada tahap melakukan ekstraksi ciri (feature extraction) faktor
Lebih terperinciJaringan Syaraf Tiruan Bidirectional Associative Memory (BAM) Sebagai Identifikasi Pola Sidik jari Manusia
Jurnal Informatika Mulawarman Vol 4 No. 1 Feb 2009 21 Jaringan Syaraf Tiruan Bidirectional Associative Memory (BAM) Sebagai Identifikasi Pola Sidik jari Manusia ZAINAL ARIFIN Program Studi Ilmu Komputer,
Lebih terperinciBAB III METODE PENELITIAN
23 BAB III METODE PENELITIAN 3.1. Tahapan Penelitian Tahapan proses penelitian ditunjukkan pada Gambar 15 berikut. Mulai 96 citra stomata Ekstraksi fitur - RGB & Skala Keabuan Ekstraksi fitur - Wavelet
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciDeteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson
Deteksi Tepi pada Citra Digital menggunakan Metode Kirsch dan Robinson Veronica Lusiana Program Studi Teknik Informatika, Universitas Stikubank email: verolusiana@yahoo.com Abstrak Segmentasi citra sebagai
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
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 terperinciKECERDASAN BUATAN ARTIFICIAL INTELLIGENCE. Copyright: Anik Handayani FT-UM
KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE Copyright: Anik Handayani FT-UM ARTIFICIAL INTELLIGENCE Mata Kuliah:Kecerdasan Buatan (Artificial Intelligence/AI) Deskripsi Mengenai Kecerdasan Buatan Kecerdasan
Lebih terperinciJARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB,
JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN WAJAH METODE EKSTRAKSI FITUR Sigit Kusmaryanto Teknok Elektro FTUB, sigitkus@ub.ac.id ABSTRAKSI Salah satu kelemahan umum pada pengenalan pola untuk
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinciANALISIS HUBUNGAN TINGKAT PENGENALAN POLA DENGAN TINGKAT VARIASI POLA : STUDI KASUS PENGENALAN POLA KARAKTER HURUF DENGAN JARINGAN SYARAF TIRUAN)
ISSN: 1693-6930 1 ANALISIS HUBUNGAN TINGKAT PENGENALAN POLA DENGAN TINGKAT VARIASI POLA : STUDI KASUS PENGENALAN POLA KARAKTER HURUF DENGAN JARINGAN SYARAF TIRUAN) Iwan Suhardi Jurusan Teknik Elektro Fakultas
Lebih terperinciIDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN
IDENTIFIKASI CITRA SIDIKJARI MENGGUNAKAN ALIHRAGAM WAVELET DAN JARAK EUCLIDEAN Hendarko Ahmad Hidayatno R. Rizal Isnanto Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro During this time,
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Citra Digital Menggunakan Deteksi Tepi
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm Implementasi Jaringan Syaraf Tiruan Backpropagation Untuk Pengenalan Citra Digital Menggunakan Deteksi Tepi Henry
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 terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
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 terperinciIDENTIFIKASI TINGKAT KETUAAN DAN KEMATANGAN PEPAYA (Carica papaya L.) IPB 1 DENGAN PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN
IDENTIFIKASI TINGKAT KETUAAN DAN KEMATANGAN PEPAYA (Carica papaya L.) IPB 1 DENGAN PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN Identification Of Maturity And Ripeness Of The Papaya (Carica papaya
Lebih terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciGARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)
GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Mata Kuliah: Pengolahan dan Pengenalan Pola; Kode/Bobot : TSK 713/ 2 sks; Deskripsi Mata Kuliah: Mata kuliah ini berisi konsep teori, teknik-teknik dan aplikasi
Lebih terperinciYoungster Physics Journal ISSN : Vol. 5, No. 2, Oktober 2016, Hal
ANALISIS CITRA CT SCAN KANKER PARU BERDASARKAN CIRI TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRIX DAN CIRI MORFOLOGI MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK Saitem, Kusworo Adi dan Catur Edi Widodo
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 terperinciBAB 4 PENGUJIAN DAN ANALISIS SISTEM
BAB 4 PENGUJIAN DAN ANALISIS SISTEM Bab ini akan membahas mengenai proses pengujian dari sistem yang dirancang terhadap beberapa citra dijital replika kulit. Pengujian terhadap sistem ini dilakukan untuk
Lebih terperinciSISTEM IDENTIFIKASI CITRA KAYU BERDASARKAN TEKSTUR MENGGUNAKAN GRAY LEVEL COOCURRENCE MATRIX (GLCM) DENGAN KLASIFIKASI JARAK EUCLIDEAN
ISSN: 1410-233 SISTEM IDENTIFIKASI CITRA KAYU BERDASARKAN TEKSTUR MENGGUNAKAN GRAY LEVEL COOCURRENCE MATRIX (GLCM) DENGAN KLASIFIKASI JARAK EUCLIDEAN Saifudin 1, Abdul Fadlil 2 1 Program Studi Teknik Informatika,
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciEKSTRAKSI CIRI TEKSTUR CITRA KULIT SAPI BERBASIS CO-OCCURRENCE MATRIX
EKSTRAKSI CIRI TEKSTUR CITRA KULIT SAPI BERBASIS CO-OCCURRENCE MATRIX Nunik Purwaningsih1), Indah Soesanti2), Hanung Adi Nugroho3) 1) Pascasarjana Teknik Elektro Universitas Gadjah Mada Yogyakarta Staf
Lebih terperinciJaringan Neuro-Fuzi Berbasis Algoritma Genetik Dinamis Multiresolusi untuk Pemodelan Sistem Chaotic Diskrit Henon
Jaringan Neuro-Fuzi Berbasis Algoritma Genetik Dinamis Multiresolusi untuk Pemodelan Sistem Chaotic Diskrit Henon Oyas Wahyunggoro 1, Gunawan Ariyanto 2 1 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPENGENALAN POLA ALPHABET TULISAN TANGAN SECARA ON-LINE DENGAN JST-BP
ISSN: 693-693 35 PENGENALAN POLA ALPHABET TULISAN TANGAN SECARA ON-LINE DENGAN JST-BP Tole Sutikno, Andhy Fathurrakhman Program Studi Teknik Elektro Universitas Ahmad Dahlan Kampus III Jln. Prof Soepomo,
Lebih terperinciIdentifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation
Identifikasi Gender Berdasarkan Citra Wajah Menggunakan Deteksi Tepi dan Backpropagation Destri Wulansari, Esmeralda C. Djamal, Ridwan Ilyas Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad
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 terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
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 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 terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciPENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU
PENGGUNAAN METODE TEMPLATE MATCHING UNTUK MENDETEKSI CACAT PADA PRODUKSI PELURU Oleh: Amilia Khoiro Masruri 1210 100 029 Dosen Pembimbing: Dr. Budi Setiyono, S.Si, MT JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciIDENTIFIKASI OBJEK BERDASARKAN CITRA WARNA MENGGUNAKAN MATLAB
IDENTIFIKASI OBJEK BERDASARKAN CITRA WARNA MENGGUNAKAN MATLAB Adhi Kusnadi adhikusnadi@yahoo.com Program Studi Teknik Informatika Fakultas Teknik, Matematika dan Ilmu Pengetahuan Alam Universitas Indraprasta
Lebih terperinci