Oleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
|
|
- Vera Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Oleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
2 DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN PENUTUP 2
3 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Manfaat Kajian Terdahulu 3
4 LATAR BELAKANG Latin Bersambung Real Time LVQ????????? Aksara latin paling banyak digunakan di dunia Menulis Latin bersambung tercantum dalam kurikulum pendidikan dasar Pengenalan tulisan tangan dapat dibagi menjadi dua metode, yaitu metode offline dan online (real time) Metode online lebih cepat dan efektif (Mubarok, 2010) Memiliki akurasi yang baik (86%) dalam hal pengenalan tulisan tangan secara real time (Asworo, 2010) 4
5 RUMUSAN MASALAH 1. Bagaimana mengubah tulisan tangan huruf latin bersambung menjadi teks digital? 2. Bagaimana membuat program yang mengenali tulisan tangan Huruf Latin bersambung secara real time? 3. Bagaimana tingkat keberhasilan pengenalan tulisan tangan Huruf Latin bersambung secara real time menggunakan algoritma Learning Vector Quantization? 5
6 BATASAN MASALAH 1. Huruf yang digunakan sebagai input adalah Huruf Latin bersambung 2. Karakter yang akan dikenali adalah data abjad A-Z dan a-z 3. Karakter yang digunakan sebagai input training berpedoman pada bentuk tulisan tangan huruf latin tegak bersambung yang baku sesuai Keputusan Direktur Jendral Pendidikan Dasar dan Menengah Departemen Pendidikan dan Kebudayaan No. 094/C/Kep/I.83 tanggal 7 Juli Tulisan tangan dilakukan di atas kanvas yang telah disediakan dengan batasan-batasan area berupa persegi, satu huruf mengisi satu persegi 6
7 TUJUAN Menghasilkan suatu program untuk menguji algoritma Learning Vector Quantization dalam mengenali tulisan tangan huruf latin bersambung secara real time 7
8 MANFAAT 1. Membantu pengguna mengubah tulisan tangan huruf latin bersambung menjadi teks digital 2. Sebagai pertimbangan dalam pemilihan metodemetode yang digunakan dalam sistem pengenalan tulisan tangan huruf latin bersambung untuk penelitian selanjutnya 8
9 KAJIAN TERDAHULU Asworo (2010) Perbandingan Antara Metode Kohonen Neural Network dan Learning Vector Quantization Pada Sistem Pengenalan Tulisan Tangan Secara Real Time Bakhtiar Arifin (2011) Sistem Pengenalan Tulisan Tangan Real Time Menggunakan Metode Dominant Point dan Jaringan Syaraf Tiruan Learning Vector Quantization 9
10 TINJAUAN PUSTAKA Latin Bersambung OCR Image Processing Feature Extraction LVQ 10
11 HURUF LATIN BERSAMBUNG Dalam hal tulisan huruf latin bersambung, pemerintah telah menetapkan bentuk tulisan tangan yang baku dan resmi pada Keputusan Direktur Jendral Pendidikan Dasar dan Menengah Departemen Pendidikan dan Kebudayaan No. 094/C/Kep/I.83 tanggal 7 Juni
12 OPTICAL CHARACTER RECOGNITION Optical Character Recognition: 1. Metode offline 2. Metode online Secara umum tahapan pengenalan tulisan oleh OCR metode online adalah sebagai berikut: Online Input Image Processing Feature Extraction Classifier/ Clustering Classifier/ Clustering Result 12
13 IMAGE PROCESSING SEGMENTASI Mencari batas daerah gambar yang akan dicapture SCALLING Menormalisasikan ukuran gambar sehingga ukuran yang diperoleh selalu sama 13
14 FEATURE EXTRACTION Feature Extraction yang digunakan adalah memberi nilai satu (1) untuk setiap koordinat piksel yang dilalui goresan kursor (piksel hidup) dan nilai nol (0) untuk koordinat piksel lain. 14
15 LEARNING VECTOR QUANTIZATION Step 0 Inisialisasi vektor referensi dan learning rate (α) Step 1 Selama stopping condition tidak terpenuhi, kerjakan Step 2-6 Step 2 Untuk setiap vektor x, kerjakan Step 3-4 Step 3 Temukan J sehingga x-wj minimum Step 4 Update wj dengan mengikuti rumus: Jika T = Cj maka wj = wj + α[x-wj] Jika T Cj maka wj = wj - α[x-wj] Step 5 Kurangi learning rate (α) Step 6 Cek Stopping Condition 15
16 METODOLOGI 1. Studi Literatur 2. Analisis dan Perancangan Program 3. Implementasi Program 4. Pengujian dan Evaluasi Program 5. Penarikan Kesimpulan 16
17 PERANCANGAN DAN IMPLEMENTASI Perancangan Data Implementasi Antarmuka Gambaran Umum Arsitektur LVQ 17
18 PERANCANGAN DATA Masukan Proses Luaran Data yang dimasukkan oleh pengguna berupa teks tulisan tangan huruf latin bersambung 1.Citra segmentasi 2.Area scalling 3.Data ekstraksi ciri Teks digital hasil pengenalan oleh algoritma LVQ terhadap data yang diberikan 18
19 GAMBARAN UMUM SISTEM (1) Sistem pengenalan tulisan tangan secara real time ini terdiri dari 3 tahap: Tahap Akuisisi Tahap Preprocessing Tahap JST Proses pengambilan citra hasil goresan kursor pada panel yang telah disediakan Segmentasi Scalling Ekstraksi Ciri Training Testing 19
20 GAMBARAN UMUM SISTEM (2) Tahap Akuisisi Tahap Preprocessing Tahap JST Proses Training Proses Testing 20
21 ARSITEKTUR LVQ Y... Y Y 1 j W 1,1 W 100,1 W W W 100,j 1,52 1,j W i,j W W W i,52 100,52 i,1 X X i X
22 IMPLEMENTASI ANTARMUKA (1) Menu Utama 22
23 IMPLEMENTASI ANTARMUKA (2) Menu Pelatihan 23
24 IMPLEMENTASI ANTARMUKA (3) Menu Parameter LVQ 24
25 IMPLEMENTASI ANTARMUKA (4) Menu Data Latih 25
26 HASIL DAN PENGUJIAN Tahap Akuisisi Tahap JST Tahap Prepocessing Pembahasan Hasil Pengujian 26
27 TAHAP AKUISISI 114,36 113,36 112,35 111,34 110,34 110,33 110,32 109,31 108,30 107,29 107,28 106,27 106,26 105,25 104,24 104,23 103,23 103,22 102,21 101,21 100,21 99,21 98,21 97,21 95,21 94,21 93,21 91,22 90,22 89,22 87,22 87,23 86,23 85,24 84,24 82,25 81,26 80,26 80,27 79,27 78,28 78,29 77,31 76,33 75,33 75,34 74,35 73,36 73,37 72,37 72,38 71,39 70,39 70,40 70,41 69,42 69,43 68,43 67,45 67,47 66,48 66,49 66,50 65,50 65,51 65,52 65,53 63,57 62,59 61,61 61,62 61,63 60,64 59,65 59,66 59,67 58,68 58,69 58,70 58,71 58,72 57,73 57,74 56,75 56,76 56,77 56,78 56,79 55,80 55,81 55,82 54,83 54,84 54,85 54,86 54,87 54,88 54,89 54,91 54,92 54,93 54,94 54,95 54,96 54,97 54,98 54,100 55,101 55,102 55,103 56,104 56,105 57,105 58,106 58,108 59,109 60,110 60,111 61,111 61,112 63,112 63,113 64,113 65,114 66,114 68,115 69,115 70,115 71,115 73,116 75,116 76,116 77,116 78,116 79,116 80,116 81,116 82,116 83,116 84,116 85,116 86,116 87,116 88,116 89,116 90,116 91,116 92,116 94,115 95,114 96,114 97,113 98,112 99, , , , , , , , , , , , ,98 107,98 107,96 107,95 108,94 109,93 109,92 109,91 109,90 110,89 111,87 111,86 112,84 113,82 113,80 114,79 114,78 114,77 115,76 115,75 115,73 116,72 116,70 116,69 117,68 117,66 117,65 117,63 117,61 118,61 118,59 118,58 118,56 118,55 119,54 119,53 119,51 119,50 119,49 119,48 119,47 119,46 119,45 119,44 119,43 119,42 119,41 119,40 119,39 119,38 119,39 119,40 119,41 119,42 119,43 119,44 119,46 119,47 119,48 119,49 119,50 119,51 119,52 119,53 119,54 119,56 119,57 119,58 119,59 119,60 119,61 118,62 118,63 118,64 118,66 118,67 118,68 118,69 118,70 118,71 118,72 118,73 118,74 118,75 118,76 117,77 117,78 117,79 116,80 116,81 116,82 116,83 116,84 116,85 116,86 116,87 116,88 116,89 116,90 116,91 116,92 116,93 116,94 116,95 116,96 116,97 116,98 116,99 116, , , , , , , , , , , , , , , , , , , , , , , , ,99 134,99 135,98 136,97 137,96 138,96 139,95 139,94 140,94 141,93 142,93 142,92 143,91 144,91 145,90 146,90 147,89 147,88 148,88 148,87 150,87 151,86 153,85 154,84 155,84 156,83 157,83 158,82 159,81 160,81 161,80 162,79 163,78 164,78 165,77 166,77 166,76 167,75 167,75 27
28 TAHAP PREPROCESSING (1) TRAINING SEGMENTASI TESTING 28
29 TAHAP PREPROCESSING (2) SCALLING 29
30 TAHAP PREPROCESSING (3) EKSTRAKSI CIRI
31 TAHAP JST (1) PENGARUH LEARNING RATE TERHADAP AKURASI Karakter yang ditesting Learning Rate Epoch Akurasi A Z % A Z % A Z % A Z % A Z % 31
32 TAHAP JST (2) PENGARUH EPOCH TERHADAP AKURASI Karakter yang ditesting Epoch Learning Rate Akurasi A Z % A Z % A Z % A Z % A Z % 32
33 TAHAP JST (3) PENGUJIAN MASING-MASING HURUF Prosentase Akurasi Prosentase Huruf Huruf (%) Akurasi (%) A 100 a B b 53.3 C 93.3 c 6.67 D d 53.3 E 100 e 33.3 F 93.3 f 53.3 G g 90 H 3.3 h 3.3 I 70 i 20 J 90 j K 80 k L l 23.3 M m N 90 n O 53.3 o 33.3 P p 50 Q 90 q 33.3 R 100 r 40 S 53.3 s 3.3 T 100 t 3.3 U 63.3 u 33.3 V v W w 43.3 X 3.3 x 6.67 Y 60 y 33.3 Z z 3.3 Total Total
34 TAHAP JST (4) PENGUJIAN PER HURUF DALAM TULISAN BERSAMBUNG Sistem akan diuji dengan beberapa kata yang telah ditentukan, yaitu Aku, Kami, Indonesia, Real Time, Iklan. Teks Prosentase Akurasi (%) Aku 34.4 Kami Indonesia 13.3 Real Time Iklan 32 Total
35 PEMBAHASAN HASIL PENGUJIAN (1) Penyebab utama rendahnya akurasi sistem dalam menge-nali tulisan tangan huruf latin bersambung secara real time ini terletak pada inkonsistensi tulisan tangan yang dimasukkan oleh pengguna. Inkonsistensi tersebut dikarenakan penulisan dengan menggunakan mouse kurang memberikan hasil yang baik karena pengguna sulit menyesuaikan terhadap penulisan karakter yang dimasukkan. 35
36 PEMBAHASAN HASIL PENGUJIAN (2) Kemampuan LVQ pada penelitian yang dilakukan oleh Asworo (2010) pada pengenalan tulisan tangan secara real time mendapatkan kesimpulan bahwa algoritma LVQ mampu mengenali huruf kapital dengan akurasi 87 %, sedangkan untuk huruf non kapital 13% Untuk pengenalan huruf latin bersambung, pada penelitian yang dilakukan oleh Marwanto, dkk (2005) dengan menggunakan algoritma Fuzzy ARTMAP dan segmentasi kata mendapatkan kesimpulan bahwa segmentasi yang digunakan jika digabung dengan feature extraction untuk mengenali sebuah kata masih belum bisa berjalan sesuai yang diharapkan penulis melihat akurasi yang tidak tinggi (0%-80%), serta dalam simulasinya metode ini bersifat writer dependent 36
37 PENUTUP Kesimpulan Saran 37
38 KESIMPULAN 1. Sistem mampu mengenali tulisan tangan masingmasing huruf dengan akurasi 75.13% untuk huruf kapital dan 35.38% untuk huruf non kapital. 2. Untuk pengenalan per-huruf dalam tulisan bersambung sistem mengenali dengan akurasi 25.85%. 3. Sistem belum mampu mengenali dengan baik tulisan tangan huruf bersambung. 38
39 SARAN 1. Proses penulisan yang dilakukan pada Tugas Akhir ini menggunakan mouse. Hal itu menyebabkan inkonsistensi tulisan tangan pengguna. Untuk pengembangan selanjutnya akan lebih baik jika proses penulisannya menggunakan hardware yang nyaman untuk digunakan pengguna dalam menuliskan tulisan tangannya. 2. Metode yang digunakan pada Tugas Akhir ini memiliki tingkat akurasi yang rendah, sehingga untuk penelitian selanjutnya terkait pengenalan tulisan tangan huruf latin bersambung secara real time dibutuhkan metodemetode lain yang lebih baik 3. Sistem yang dikembangkan dalam Tugas Akhir ini membatasi user dalam melakukan penulisan, yakni setiap persegi harus diisi satu huruf. Untuk pengembangan selanjutnya akan lebih baik jika sistem menggunakan metode segmentasi lain tanpa membatasi user. 39
40 DAFTAR PUSTAKA [1] Asworo Comparison Between Kohonen Neural Network Method and Learning Vector Quantization in The Online Handwriting Recognition System. Institut Teknologi Sepuluh Nopember, Surabaya. [2] Mubarok, Riza, S.L., Setiawan, Wawan. (2010). Pengenalan Tulisan Tangan Aksara Sunda Menggunakan Kohonen Neural Network. Universitas Pendidikan Indonesia, Bandung. [3] KKPS Kabupaten Bandung BERSERI Belajar Menulis Benar, Rapi, dan Indah untuk siswa kelas satu, dua, dan tiga Sekolah Dasar. Bandung. [4] Fausett, L Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. Prentice Hall International.Inc. [5] Arifin, B Sistem Pengenalan Tangan Real Time Menggunakan Metode Dominant Point dan Jaringan Syaraf Tiruan Learning Vector Quantization. Institut Teknologi Sepuluh Nopember, Surabaya. [6] Arief, A.F. Perangkat Lunak Pengkonversi Teks Tulisan Tangan Menjadi Teks Digital. Institut Teknologi Sepuluh Nopember, Surabaya. [7] Marwanto, Linardi, S., Desri. Pengenalan Tulisan Tangan Latin dengan Segmentasi Kata dan Fuzzy ARTMAP. Universitas Bina Nusantara, Jakarta 40
41
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan
Lebih terperinciSISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Oleh: Bakhtiar Arifin (1206 100 722) Dosen Pembimbing: Prof. DR. M.
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 terperinciPERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME
PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME Nama Mahasiswa : Asworo NRP : 205 00 077 Jurusan : Matematika FMIPA-ITS
Lebih terperinciDAFTAR ISI. KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i. DAFTAR TABEL... vi. DAFTAR GAMBAR... vii
DAFTAR ISI KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i DAFTAR TABEL... vi DAFTAR GAMBAR... vii BAB I PENDAHULUAN... Error! Bookmark not defined. 1.1 Latar Belakang... Error! Bookmark
Lebih terperinciSISTEM KONVERSI DOKUMEN IDENTITAS INDIVIDU MENJADI SUATU TABEL
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-8 1 SISTEM KONVERSI DOKUMEN IDENTITAS INDIVIDU MENJADI SUATU TABEL Muhammad Mushonnif Junaidi dan Nurul Hidayat Jurusan Matematika, Fakultas Matematika
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 1-6 1 Identifikasi Cacat Peluru dengan Menggunakan Pengolahan Citra Digital Berbasis Learning Vector Quantization (LVQ) Angger Gusti Z dan Dwi Ratna S
Lebih terperinciSISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sudah semakin berkembang, hal ini tentunya memberi pengaruh juga dalam berkembangnya ilmu pengetahuan. Perkembangan tersebut juga berpengaruh pada
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 terperinciAplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Aplikasi Pengolahan Citra Dalam Pengenalan Pola Huruf Ngalagena Menggunakan MATLAB Dani Rohpandi 1), Asep Sugiharto 2),
Lebih terperinciPENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Alfa Ceria Agustina (1) Sri Suwarno (2) Umi Proboyekti (3) sswn@ukdw.ac.id othie@ukdw.ac.id Abstraksi Saat ini jaringan saraf tiruan
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciAPLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT
APLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT Fradika Indrawan Jurusan Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta Jl.
Lebih terperinciPENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU
PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU Risky Meliawati 1,Oni Soesanto 2, Dwi Kartini 3 1,3Prodi Ilmu Komputer FMIPA UNLAM 2 Prodi Matematika
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector
BAB II TINJAUAN PUSTAKA Pada Bab ini akan menjelaskan tentang teori-teori o i serta hasil penelitian yang revelan dengan penelitian yang akan an dilakukan. an. A. Tinjauan an Pustaka Prabowo, o, Sarwoko
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 terperinciKomparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation
Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation DOSEN PEMBIMBING Prof. Dr. Moh. Isa Irawan, M.T. Dr. Imam Mukhlash,
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 I PENDAHULUAN 1 Pendahuluan 1.1 Latar Belakang Masalah Grafologi atau analisis tulisan tangan adalah metode ilmiah untuk mengidentifikasi,
BAB I PENDAHULUAN 1 Pendahuluan 1.1 Latar Belakang Masalah Grafologi atau analisis tulisan tangan adalah metode ilmiah untuk mengidentifikasi, mengevaluasi dan pemahaman karakter seseorang melalui pola
Lebih terperinciPENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana
PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing Tugas Ujian Sarjana. Penjelasan Learning Vector Quantization (LVQ) Learning
Lebih terperinciFaizar Mazdi Hasibuan¹, Bambang Hidayat², Rita Magdalena³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
DESAIN DAN IMPLEMENTASI SISTEM PENERJEMAH AKSARA JAWA KE HURUF LATIN BERBASIS PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN SELF-ORGANIZING MAP (SOM) Faizar Mazdi Hasibuan¹, Bambang Hidayat², Rita
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciBAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
Lebih terperinciPENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK
PENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK Naskah Publikasi disusun oleh Zul Chaedir 05.11.0999 Kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan air
Lebih terperinciAPLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE
APLIKASI PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN ALGORITMA HAMMING DISTANCE Matheus Supriyanto Rumetna 1*, Marla Pieter, Monica Manurung 1 1 Fakultas Ilmu Komputer dan Manajemen, Universitas Sains
Lebih terperinciBAB I PENDAHULUAN. Pengenalan pola merupakan permasalahan kecerdasan buatan yang secara
BAB I PENDAHULUAN 1.1. Latar Belakang Pengenalan pola merupakan permasalahan kecerdasan buatan yang secara umum sering digunakan dalam sistem berbasis pengetahuan. Pengenalan pola memiliki peranan penting
Lebih terperinciPERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR
PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik
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 Latar Belakang
12 BAB I PENDAHULUAN 1.1. Latar Belakang Bahasa Jepang termasuk salah satu bahasa penting dan digunakan secara internasional. Bahasa Jepang menduduki urutan ke-4 setelah bahasa Inggris, Mandarin, dan Spanyol
Lebih terperinciUNIVERSITAS BINA NUSANTARA Program Ganda. Teknik Informatika - Matematika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika - Matematika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007 PERANCANGAN PROGRAM APLIKASI SISTEM VERIFIKASI TANDA TANGAN ONLINE DENGAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengenalan pola (pattern recognition) dapat diartikan sebagai proses klasifikasi dari objek atau pola menjadi beberapa kategori atau kelas. Dan bertujuan untuk pengambilan
Lebih terperinciUKDW BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Topik yang sering mendapat perhatian khusus dalam bidang Digital Image Processing adalah mengenai pengenalan pola (pattern recognition). Sistem pengenalan pola tidak
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengenalan kata dalam dunia teknologi informasi merupakan suatu permasalahan yang tidak asing dalam bidang kecerdasan buatan. Pengenalan kata dalam bidang kecerdasan
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 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 II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA Penelitian maupun pembuatan aplikasi mengenai pengenalan karakter / pengenalan pola ataupun yang berhubungan dengan Jaringan Syaraf Tiruan terlebih dengan metode Backpropagation
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 terperinciALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS
ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengembangan teknologi diharapkan menghasilkan berbagai hal yang berguna untuk memenuhi kebutuhan masyarakat serta memberi kemudahan dan kenyamanan pada pengguna
Lebih terperinciTugas Akhir Pengembangan Perangkat Lunak Berbasis Suara Ucapan untuk Membuka dan Mencetak Dokumen
Tugas Akhir Pengembangan Perangkat Lunak Berbasis Suara Ucapan untuk Membuka dan Mencetak Dokumen Oleh: Abd. Wahab 1208100064 Pembimbing: Drs. Nurul Hidayat, M.Kom 19630404 198903 1 002 BAB1 Pendahuluan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
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 terperinciDOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
DOKUMENTASI ULANG NASKAH BRAILLE MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Chairisni Lubis 1, Yoestinus 2 1 Fakultas Teknologi Informasi, Universitas Tarumanagara-Jakarta, Chairisni.fti.untar@gmail.com
Lebih terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciPENGENALAN KARAKTER DAN MANAJEMEN DATABASE PADA FORMULIR ISIAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN KARAKTER DAN MANAJEMEN DATABASE PADA FORMULIR ISIAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI ANTONI SIAHAAN 051401063 PROGRAM STUDI S-1 ILMU
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bagi seseorang yang berprofesi sebagai dokter, kesalahan diagnosis suatu penyakit akan membawa dampak yang sangat fatal bagi pasiennya. Dalam kasus ini, penulis
Lebih terperinciBAB I PENDAHULUAN. ke karakteristik tertentu pada manusia yang unik dan berbeda satu sama lain.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah keamanan (security) merupakan salah satu isu yang sangat penting akhir-akhir ini. Salah satu teknik yang diunggulkan bisa diterapkan untuk permasalahan tersebut
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih terperinciIDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)
IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik
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 terperinciKOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 KOMPARASI HASIL KLASIFIKASI PENYAKIT DIABETES MELLITUS MENGGUNAKAN JARINGAN
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 terperinciPerbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization Pada Pengenalan Pola Tandatangan
Jurnal Sains & Matematika (JSM) ISSN Kajian 0854-0675 Pustaka Volume14, Nomor 4, Oktober 2006 Kajian Pustaka: 147-153 Perbandingan Antara Metode Kohonen Neural Network dengan Metode Learning Vector Quantization
Lebih terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Oleh : ACHMAD FAUZI ARIEF 1203 109 007 Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciJurnal Sains & Informatika ISSN: X Volume 2,Nomor 2, Nopember Perbandingan PNN dan LVQ dalam Identifikasi Jenis Bercak pada Daun Cabai
Perbandingan PNN LVQ dalam Identifikasi Jenis Bercak pada Daun Cabai Jaka Permadi Jurusan Teknik Informatika, Politeknik Negeri Tanah Laut Jl. A. ni Km.06 Desa Panggung, Pelaihari jakapermadi.88@gmail.com
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciPENGENALAN BAHASA ISYARAT HURUF ABJAD MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI
PENGENALAN BAHASA ISYARAT HURUF ABJAD MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Pada Departemen Ilmu Komputer/Informatika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakang Artificial Neural Network atau jaringan syaraf tiruan merupakan bidang yang sangat berkembang saat ini. Pemanfaatan teknologi mesin dan computer yang tidak terbatas
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciDewasa ini teknologi robotik dan informasi telah berkembang dengan cepat. Begitu
12 BAB I PENDAHULUAN 1.1 Latar Belakang dan Rumusan Masalah 1.1.1 Latar belakang Dewasa ini teknologi robotik dan informasi telah berkembang dengan cepat. Begitu juga kontrol berbasis sensor yang merupakan
Lebih terperinciBAB I PENDAHULUAN. tangan dijadikan alat untuk menganalisis kepribadian pemiliknya. Sebuah
BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan salah satu hal unik yang dapat dihasilkan oleh manusia selain tanda tangan. Seperti halnya tanda tangan, tulisan tangan juga dapat digunakan
Lebih terperinciJurnal Siliwangi Vol. 2. No. 1. Mei ISSN Seri Sains dan Teknologi SELF ORGANIZING MAPS (SOM) SUATU METODE UNTUK PENGENALAN AKSARA JAWA
SELF ORGANIZING MAPS (SOM) SUATU METODE UNTUK PENGENALAN AKSARA JAWA Akik Hidayat 1, Rahmi Nur Shofa 2 1 Prodi Teknik Informatika FMIPA Universitas Padjadjaran 2 Prodi Teknik Informatika Fakultas Teknik
Lebih terperinci1.2 Rumusan Masalah Berdasarkan latar belakang yang telah dibuat diatas, rumusan masalah yang dapat diambil adalah :
BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan adalah sebuah bentuk khusus dari tulisan tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan yang sering digunakan sebagai bukti vertifikasi
Lebih terperinciPenerapan Learning Vector Quantization Penentuan Bidang Konsentrasi Tugas Akhir (Studi Kasus: Mahasiswa Teknik Informatika UIN Suska Riau)
Penerapan Learning Vector Quantization Penentuan Bidang Konsentrasi Tugas Akhir (Studi Kasus: Mahasiswa Teknik Informatika UIN Suska Riau) Elvia Budianita 1, Ulti Desi Arni 2 1,2 Teknik Informatika, UIN
Lebih terperinciOPTICAL CHARACTER RECOGNIZATION (OCR)
LAPORAN JARINGAN SYARAF TIRUAN OPTICAL CHARACTER RECOGNIZATION (OCR) DISUSUN OLEH: DIJAS SCHWARTZ. S (524) FIRNAS NADIRMAN (481) INDAH HERAWATI (520) NORA SISKA PUTRI (511) OKTI RAHMAWATI (522) EKSTENSI
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciPENGENALAN POLA AKSARA KA-GA-NGA DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ)
PENGENALAN POLA AKSARA KA-GA-NGA DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) 1 Naimah Lubis, 2Edy Hermansyah, 3Desi Andreswari Abstract-----Ka-Ga-Nga is ancient script which owned by Rejang and Serawai
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Kelapa sawit (Elaeis Guineensis) merupakan salah satu komoditas ekspor perkebunan terbesar di Indonesia. Indonesia mempunyai struktur tanah serta curah hujan yang
Lebih terperinciBAB 1 PENDAHULUAN. paperless office. Paperless office menyimpan dokumen dalam bentuk digital, sehingga tidak membutuhkan kertas secara fisik.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi yang pesat membawa dampak positif bagi kehidupan manusia. Dengan teknologi, pekerjaan dapat diselesaikan dengan
Lebih terperinciKLASIFIKASI MUTU JERUK NIPIS DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) Ahmad Sahru Romadhon 1 dan Vivi Tri Widyaningrum 2
Volume 8, No. 2, Oktober 2015 Halaman 121-128 ISSN: 0216-9495 KLASIFIKASI MUTU JERUK NIPIS DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) Ahmad Sahru Romadhon 1 dan Vivi Tri Widyaningrum 2 1,2 Program
Lebih terperinciPenerapan Learning Vector Quantization (LVQ) untuk Klasifikasi Status Gizi Anak
IJCCS, Vol.7, No.2, July 2013, pp. 155~166 ISSN: 1978-1520 155 Penerapan Learning Vector Quantization (LVQ) untuk Klasifikasi Status Gizi Anak Elvia Budianita* 1, Widodo Prijodiprodjo 2 1 Jurusan Teknik
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tanaman karet merupakan tanaman yang memiliki peran penting di bidang industri terutama sebagai bahan baku di bidang industri ban dan otomotif (Sinaga, 2011). Indonesia
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK BERBASIS SUARA UCAPAN UNTUK MEMBUKA DAN MENCETAK DOKUMEN
1 PENGEMBANGAN PERANGKAT LUNAK BERBASIS SUARA UCAPAN UNTUK MEMBUKA DAN MENCETAK DOKUMEN Abd Wahab, Drs. Nurul Hidayat, M.Kom Jurusan Matematika, FMIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM Dalam pengerjaan perancangan dan pembuatan aplikasi pengenalan karakter alfanumerik JST algoritma Hopfield ini menggunakan software Borland Delphi 7.0. 3.1 Alur Proses Sistem
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 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 terperinciLEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA
LEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA 1,2,3 Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara e-mail: edgar.audela.bb@students.usu.ac.id,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tomat merupakan salah komoditas di pertanian Indonesia saat ini, tomat sudah menjadi kebutuhan pokok penunjang pangan di indonesia akan tetapi cara mengidentifikasi
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
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 terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Metodologi Penelitian merupakan acuan dalam pelaksanaan sebuah penelitian. Metodologi penelitian berisi rencana kerja yang berurutan agar hasil yang
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengenalan citra merupakan suatu ilmu yang berguna untuk melakukan klasifikasi berdasarkan ciri atau sifat-sifat dari suatu objek. OCR atau Optical Character
Lebih terperinciPERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL
PERANGKAT LUNAK PENGKONVERSI TEKS TULISAN TANGAN MENJADI TEKS DIGITAL Nama Mahasiswa : Achmad Fauzi Arief NRP : 03 09 007 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Drs. Nurul Hidayat, M.Kom Abstrak
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinci