BAB 3 METODE PENELITIAN
|
|
- Verawati Sudjarwadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB 3 METODE PENELITIAN
2 Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : : 30 Dari 10 responden berbeda Tahap 3 : Pengolahan Citra tanda tangan a. Preprocessing Citra digital menggunakan alat Scanner dan dicrop. b. Ekstraksi Fitur Memperoleh vektor ciri diharapkan mampu merepresentasikan citra aslinya dengan dimensi yang relatif lebihkecilmenggunakanmomeninvarian.
3 Tahap 3 : Implementasi Jaringan Syaraf Radial Basis Function Data hasil ekstrak citra tanda tangan, Implementasi Algoritma pada jaringansyaraftiruanmenggunakansoftware MATLAB 7.8. Tahap 4 : Analisa dan Pembahasan Dikaji hasil evaluasi berdasarkan output dari jaringan RBF, uji akurasi terhadappengenalanpolatandatangandanlama prosestraining berdasarkan variasi dari banyaknya hidden neuron-nya. Hasil metode RBF akandianalisaerror(kesalahan).
4 BAB 4 HASIL DAN PEMBAHAN PREPROCESSING Secara sederhana tahap-tahap ini adalah sebagai berikut: Langkah1 : Pengambilangambartandatanganpadamedia kertasyang dibatasi dengan kotak ukuran 4,6 x 3,6 cm diharapkan tanda tangan yang ada mempunyai ukuran seragam. Langkah 2 : Proses scanning dari gambar pola tanda tangan berformat *.TIF. Langkah3 : Citra aslidarihasilscanning dicropping padabagiandari polatandatangannya. Langkah4 : Diperolehcitratandatangandengandimensi500 x 400 piksel grayscale 8 bit. Langkah 5 : Proses preprocessing selesai.
5 EKSTRAK FITUR Langkah 1 : Pilih Gambar(misalnya gambar01.tif ). Langkah2 : Baca gambarukuranm x n piksel(nyatakandalam matrik m-baris dan n-kolom) dengan perintah: Gbr=imread(gambar01.tif) Fungsi imread dalam MATLAB yaitu membaca sebuah citra dari file cita yang bertipe tif Langkah3 : Konversidaricitragrayscalekecitrabiner (hitamputih) dengan perintah: BW= im2bw(gbr, 0.5) Langkah4 : Hitungnilaimoment 1 7 dalam matlab di implementasikan momeninvarian(bw);
6 HASIL EKSTRAK 20 CITRA TANDA TANGAN MENGGUNAKAN MOMEN INVARIAN TTD orangyg sama/target Nilai 7 momen invarian Jumlah ke-7 momen invarian Input JST RBF
7 IMPLEMENTASI JARINGAN SYARAF RADIAL BASIS FUNCTION Setiapunit padahidden layer merupakanfungsiaktivasiyang berupa fungsi basis radial dan fungsi basis radial ini diasosiasikan olehpusat(center) danlebardarifungsibasis tersebut. Input layer terdiri dari 7 unit input, hidden layer dapat diatur jumlah unitnya sedangkan output layer mempresentasikan target pemilik tanda tangan.
8 ALGORITMA PADA JARINGAN RBF Proses Training Data training digunakan sebanyak 150 tanda tangan yang berasal 10 responden, dimana setiap responden diambil 15 tanda tangan Langkah pada Proses Training Langkah1: InisialisasiLebarσdancenter µ Langkah2: HitungNilaiFungsi Gauss φ(µ, σ, x) Langkah 3: Nyatakan ke dalam matriks H Langkah 4: Hitung Bobot β menggunakan persamaan β = H -1 T H -1 = (H T H) -1 H T
9 User Interface pada Proses Training Pengenalan Pola Tanda Tangan
10 ProsesTesting : Citra tanda tangan yang akan digunakan sebanyak 30 tanda tangan yang juga berasal dari 10 responden tersebut dengan asumsi setiap responden diambil 3 tanda tangan. Langkah-langkah yang digunakan pada proses testing hampir sama seperti proses training, hanya yang membedakan adalah pada proses testing menggunakan bobot hasil dari proses training.
11 User Interface pada Proses Testing Pengenalan Pola Tanda Tangan
12 Hasil Pengujian Pengenalan pola Tanda Tangan
13 Hasil klasifikasi pola tanda tangan berbasis jaringan syaraf tiruan RBF No Hidden Neuron Waktu Training Akurasi Testing(%) ,046 63, ,062 66, ,078 73, ,093 70, ,109 66, ,140 73, ,156 80, ,171 73, ,187 73, ,201 70, ,203 56, ,281 60, ,406 40,00
14 Hasil Klasifikasi Kolektif
15 BAB 5 KESIMPULAN 1. Jaringan syaraf tiruan RBF pada pengenalan pola tanda tangan dalampenelitianinimampumengenalidenganbaiksekitar80% dari 30 citra tangan tangan yang diujikan. 2. Penggunaan jumlah hidden neuron berbanding lurus dengan waktutraining namuntidakberlakupadaakurasipengujiannya. Jumlah hidden neuron optimal untuk mengenali pola tanda tangan dalam penelitian ini adalah Pola tanda tangan yang tidak dapat dikenali, salah satunya disebabkanolehadanyakemiripanantaratandatanganyang satu dengan tanda tangan lainnya sehingga nilai momen invarian daritandatangan-tandatangantersebutmenjadimirip.
16 SARAN Untuk pengembangan penelitian ini lebih lanjut bisa dilakukan karena model RBFNN masih memungkinkan untuk dikaji dan dikembangkan atau bisa juga dikembangkan dengan mengaplikasikannya pada studi kasus yang lain.
17 DAFTAR PUSTAKA Abbas, R. 1994, A Prototype System for off-line Signature Verificationusing Multilayered FeedforwordNeural Networks. TesisDepartemenof Computer Science, RMIT Bansal, A., Gupta, B., Khandelwal, G., Chakraverty, S., (2009), offline Signature verification using Critical Region Matching, International journal Signal Processing and Pattern, Vol.2,No.1. Cemil, OZ., Ercal, F., Demir, Z., (2003), Signature Recognition and Verification with ANN, ThirdInternational Conference on Electrical and Electronics Engineering, Bursa, Turkey. Djunaidy, A. (2000), Verifikasi Tanda Tangan Berdasarkan Interpretasi Struktural dari Arah Gerak dan Tekanan. Universitas Gunadarma. Fausett, L. (1994), Fundamental of Neural Network architecture, Algorithms, and Applications, Prentice-Hall, USA.
18 Gonzales, R.C. danrichard, E.W. (2001), Digital image Processing, edition Prentice_Hall.Inc. Justino, E.J.R., Bortolozzi, F.dan Sabaurin, R. (2001), Off-line Signature Verification using HMM for random Simple and skilled forgeries, ICDAR Putra Darma, (2010), Pengolahan Citra Digital,ANDI,Yogyakarta. Simon, H. (1999). Neural networks: A comprehensive foundation, New Jersey:Prentice Hall. Siang, J.J. (2005), jaringansyaraftiruandanpemrogramannyamenggunakan MATLAB, ANDI, Yogyakarta. SlametB. (2009). PemanfaatanJaringanSyarafTiruanKohonenSelf Organizing Maps untukpengenalnwajah, Tesis-Magister JurusanMatematika, ITS Surabaya.
19 TERIMAKASIH
PENGENALAN 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 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 terperinciJARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION UNTUK APLIKASI PENGENALAN TANDA TANGAN
JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION UNTUK APLIKASI PENGENALAN TANDA TANGAN Difla Yustisia Qur ani 1, Safrina Rosmalinda 2 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
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 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 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 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 terperinciANALISIS DAN PERANCANGAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION PADA APLIKASI PENGENALAN TANDA TANGAN
Analisis dan Perancangan Tanda Tangan Wilis K, Fani W, Heru Cahya R ANALISIS DAN PERANCANGAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION PADA APLIKASI PENGENALAN TANDA TANGAN Wilis Kaswidjanti,
Lebih terperinciPENGENALAN KARAKTER DENGAN MENGGUNAKAN HAMMING NETWORK
PENGENALAN KARAKTER DENGAN MENGGUNAKAN HAMMING NETWORK Thiang Jurusan Teknik Elektro, Universitas Kristen Petra Siwalankerto 121-131, Surabaya, Indonesia E-mail: thiang@petra.ac.id Abstrak Makalah ini
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 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 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 terperinciKLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI
KLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciPengolahan data merupakan proses awal yang dilakukan dalam program RBFNN sebelum masuk pada proses pelatihan (training) dan pengujian (testing).
Pengolahan data merupakan proses awal yang dilakukan dalam program RBFNN sebelum masuk pada proses pelatihan (training) dan pengujian (testing). Oleh karena itu, di Bab 4 ini untuk memudahkan memahami
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 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 terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
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 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 terperinciAPLIKASI PENGENALAN DAUN UNTUK KLASIFIKASI TANAMAN DENGAN METODE PROBABILISTIC NEURAL NETWORK
APLIKASI PENGENALAN DAUN UNTUK KLASIFIKASI TANAMAN DENGAN METODE PROBABILISTIC NEURAL NETWORK 1 Gregorius Satia Budhi 2 Tok Fenny Handayani 3 Rudy Adipranata 1, 2, 3 Teknik Informatika Universitas Kristen
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
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 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 terperinciPengenalan Tanda Tangan melalui Pengolahan Citra Digital dan Jaringan Saraf Tiruan Radial Basis Function
Pengenalan Tanda Tangan melalui Pengolahan Citra Digital dan Jaringan Saraf Tiruan Radial Basis Function Ignatius Ricardo Sistem Informasi Universitas Pelita Harapan Surabaya, Indonesia ignatius.ricardo@gmail.com
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 terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciPENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO)
PENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO) Levina Fitri Rahmawati, Isnandar Slamet, dan Diari Indriati Program
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 terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB III METODE PENELITIAN. Penelitian ini dilakukan dalam kurung waktu setahun.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Pelaksanaan Penelitian dilaksanakan di Laboratorium Intrumentasi Medis Departemen Fisika, Fakultas Sains dan Teknologi Universitas Airlangga. Lokasi pengambilan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan
Lebih terperinciPERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN
PERANCANGAN SISTEM PENGENAL DIGIT ANGKA METER AIR MENGGUNAKAN JARINGAN SYARAF TIRUAN KOHONEN Teguh Triantoro, F. Rizal Batubara, Fahmi Konsentrasi Teknik Komputer, Departemen Teknik Elektro Fakultas Teknik
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang !! "(!
"( BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan (signature) adalah sebuah tanda (sign) atau symbol yang merupakan versi miniatur dari pemiliknya. Tanda tangan bukanlah sembarang tanda atau symbol,
Lebih 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 terperinciKOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS
KOMPRESI CITRA DIGITAL DENGAN MENGGUNAKAN HEBBIAN BASED PRINCIPAL COMPONENT ANALYSIS 1 Sofyan Azhar Ramba 2 Adiwijaya 3 Andrian Rahmatsyah 12 Departemen Teknik Informatika Sekolah Tinggi Teknologi Telkom
Lebih 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 BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Barcode Rcognition System Using Backpropagation Neural Networks M. Kayadoe, Francis Yuni Rumlawang, Yopi Andry Lesnussa * Jurusan
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 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 terperinciJARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK APLIKASI PENGENALAN TANDA TANGAN
JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK APLIKASI PENGENALAN TANDA TANGAN Fani Widiastuti, Wilis Kaswidjanti, Heru Cahya Rustamaji Program Studi Teknik Informatika, Fakultas Teknologi Industri Universitas
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciJURNAL INFORMATIKA PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Institut Teknologi Nasional Bandung ABSTRAK
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Plat nomor kendaraan bermotor merupakan ciri atau tanda pengenal suatu kendaraan yang diberikan oleh kepolisian. Setiap plat nomor kendaraan memiliki kombinasi
Lebih terperinciPENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com
Lebih terperinciPENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN FUZZY FEATURE EXTRACTION DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN POLA HURUF HIJAIYAH TULISAN TANGAN MENGGUNAKAN FUZZY FEATURE EXTRACTION DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Helsi Tia Vermala 1, Diyah Puspitaningrum 2, Yudi Setiawan 3 123 Program Studi
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciRANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM
RANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM RULIAH Jurusan Sistem Informasi STMIK Banjarbaru Jl. Jend. Ahmad Yani Km. 33.3 Loktabat Banjarbaru twochandra@gmail.com
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 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 terperinciIMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION
IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN Bab pendahuluan ini membahas mengenai latar belakang masalah, perumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, keaslian penelitian, metode penelitian dan sistematika
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih 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 II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tanda Tangan Tanda tangan atau dalam bahasa Inggris disebut signature berasal dari latin signare yang berarti tanda atau tulisan tangan, dan biasanya diberikan gaya tulisan
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 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 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 IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciBAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Cepatnya perubahan fluktuasi harga index saham membuat para pemegang saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung. Saham yang mempunyai
Lebih terperinciPENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR ABSTRAK
PENGGUNAAN MATLAB DALAM PENYELESAIAN SISTEM PERSAMAAN LINEAR MENGGUNAKAN JARINGAN HOPFIELD LINEAR Rosihan Ari Yuana Program Studi Pendidikan Matematika Universitas Sebelas Maret ABSTRAK Aplikasi jaringan
Lebih terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK ABSTRAK Dwi Putra Alexander (0722067) Jurusan Teknik
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 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 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 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 terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Eka Putri Tambun (0722118) Jurusan Teknik Elektro Universitas Kristen
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 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciPengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation
Pengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation Andi Wahju Rahardjo Emanuel, Arie Hartono Jurusan S1 Teknik Informatika Fakultas
Lebih terperinciPENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL. Abstrak
PENDETEKSI DAN VERIFIKASI TANDA TANGAN MENGGUNAKAN METODE IMAGE DOMAIN SPASIAL Annisa Hayatunnufus [1], Andrizal,MT [2], Dodon Yendri,M.Kom [3] Jurusan Sistem Komputer Fakultas Teknologi Informasi Universitas
Lebih terperinciPENGENALAN HURUF MENGGUNAKAN MODEL JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION DENGAN RANDOMIZE CLUSTER DECISION
PENGENALAN HURUF MENGGUNAKAN MODEL JARINGAN SARAF TIRUAN RADIAL BASIS FUNCTION DENGAN RANDOMIZE CLUSTER DECISION Muhammad Erwin Ashari Haryono Laboratorium Pemrograman dan Informatika Teori, Teknik Informatika
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 terperinciRealisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen
Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen David Novyanto Candra/0322003 Email: dave_christnc@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Jln.Prof.Drg.Suria
Lebih terperinciPENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)
PENGENALAN POLA TANDA TANGAN DENGAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) Riza Firdaus Ardiansyah NIM : A11.2009.05106 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas
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 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 terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Jaringan Saraf Tiruan Jaringan saraf tiruan adalah paradigma pengolahan informasi yang terinspirasi oleh sistem saraf secara biologis, seperti proses informasi pada otak manusia.
Lebih terperinciPengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan Metode Backpropagation dengan Input Citra Kamera Digital
Pengenalan Karakter Tulisan Tangan Latin pada Jaringan Saraf Tiruan Metode Backpropagation dengan Input Citra Kamera Digital Dompak Petrus Sinambela 1 Sampe Hotlan Sitorus 2 Universitas Mpu Tantular Jakarta.
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 terperinciJURNAL 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 terperinciAPLIKASI JARINGAN SYARAF TIRUAN RBF PADA SISTEM KONTROL VALVE UNTUK PENGENDALIAN TINGGI MUKA AIR
APLIKASI JARINGAN SYARAF TIRUAN RBF PADA SISTEM KONTROL VALVE UNTUK PENGENDALIAN TINGGI MUKA AIR Wahyudi, Hariyanto, Iwan Setiawan Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jln.
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 terperinciIDENTIFIKASI PENYAKIT LEUKIMIA AKUT PADA CITRA DARAH MIKROSKOPIS
ORBITH VOL. 12 NO. 1 MARET 2016 : 29 34 IDENTIFIKASI PENYAKIT LEUKIMIA AKUT PADA CITRA DARAH MIKROSKOPIS Oleh: Indah Susilawati Staf Pengajar Program Studi Teknik Informatika Universitas Mercu Buana Yogyakarta
Lebih terperinciHUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION
HUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION Harjono, Didik Warasto Politeknik Pratama Mulia Surakarta
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 terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciPrediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Scientific Journal of Informatics Vol 3, No 1, Mei 2016 p-issn 2407-7658 http://journalunnesacid/nju/indexphp/sji e-issn 2460-0040 Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Tulisan Tangan angka Jawa Digitalisasi Pre-Processing ROI Scalling / Resize Shadow Feature Extraction Output Multi Layer Perceptron (MLP) Normalisasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan air
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Citra Digital Gambar atau citra merupakan informasi yang berbentuk visual. Menurut kamus Webster citra adalah suatu representasi, kemiripan atau imitasi dari suatu objek atau
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 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 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 terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciJurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya
Pengenalan Wajah Menggunakan Metode Adjacent Pixel Intensity Difference Quantization Histogram Generation Oleh : ANDIK MABRUR 1206 100 716 Dosen Pembimbing : Drs. Soetrisno, MI.Komp. Jurusan Matematika
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinci