PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION
|
|
- Vera Tedjo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION Praditya Firmansyah *, Wahyul Amien Syafei**, Iwan Setiawan** Abstra Huruf braille merupaan suatu bentu tulisan husus yang digunaan oleh para tunanetra untu mengetahui informasi dan ilmu pengetahuan. Dalam tugas ahir ini dibuat suatu perangat luna untu mengenali tes braille agar para tunanetra dapat mengetahui informasi dan ilmu pengetahuan dengan nyaman. Proses pengenalan arater tes braille ini menggunaan aringan syaraf (neuron) tiruan feedforward multilayer dengan metode bacpropagation serta menggunaan adanya suatu proses pengolahan gambar. Pada tahap pengenalan pola huruf braille, sebelumnya ada proses pengolahan gambar, dimana citra masuan tes braille diambil secara offline dengan menggunaan scanner terlebih dahulu sebelum dilauan proses selanutnya, yaitu : grayscale, detesi tepi, thresholding, estrasi ciri dan emudian selanutnya dapat dilauan pelatihan dan pengenalan huruf serta emudian tulisan yang telah dienali tersebut aan dieluaran oleh omputer pribadi dalam bentu suara sesuai dengan huruf yang telah diproses. Kata-unci : aringan syaraf tiruan, huruf braille, bacpropagation. I. PENDAHULUAN 1.1 Latar Belaang Dengan perembangan tenologi omputer yang sangat pesat, maa Personal Computer (PC) ini dapat meniru sistem era dari aringan syaraf biologi atau sistem syaraf manusia untu diapliasian pada suatu aringan syaraf tiruan (JST). Metode aringan syaraf tiruan diembangan dengan berbagai cara guna mengenali pola-pola yang dimasuan e aringan tersebut. Salah satu apliasi dari aringan syaraf tiruan dapat diterapan pada pengenalan pola huruf braille. Proses pembacaan melalui meraba dengan ari dapat membutuhan watu yang relatif lama, selain itu tida semua tunanetra mampu membacanya arena memerluan pendidian di seolah luar biasa (SLB). 1 * Mahasiswa Jurusan Teni Eletro UNDIP ** Staf Pengaar JurusanTeni Eletro UNDIP Pengenalan tes braille dengan aringan syaraf tiruan ini dimasudan untu membantu tunanetra membaca suatu tulisan dengan mudah dan nyaman serta membutuhan watu yang relatif singat dibandingan membaca dengan meraba. Oleh arena itu dibutuhan suatu perangat luna yang dapat mengenali pola-pola huruf braille. Agar output dari perangat luna tersebut dapat didengar oleh tunanetra, maa output yang dihasilan dalam bentu suara. Adapun metode yang digunaan yaitu mengembangan Jaringan Syaraf Tiruan dengan metode pembelaaran bacpropagation. 1.2 Tuuan dan Manfaat Tuuan dari tugas ahir ini adalah membuat suatu perangat luna (software) yang mampu mengenali pola-pola huruf braille dan menghasilan output berupa suara. 1.3 Pembatasan Masalah 1. Perencanaan dan pembuatan perangat luna digunaan untu mengenali pola-pola huruf braille. 2. Proses pengambilan tes braille dilauan secara offline menggunaan scanner dengan hasil citra Braille yang berformat.bmp. 3. Warna ertas yang dipaai untu penulisan huruf braille telah ditentuan yaitu berwarna putih. 4. Tida membandingan unu era umlah node atau titi dalam hidden layer. 5. Pola-pola huruf braille yang aan dienali adalah huruf ecil dan spasi. 6. Pengambilan gambar harus tega lurus dan tida terbali. II. LANDASAN TEORI 2.1 Artificial Neural Networ (Jaringan Syaraf Tiruan) Pendefinisian aringan syaraf tiruan dilihat dari fungsi atau strutur rancangan merupaan penyederhanaan dari model ota manusia. Kinera strutur aringan syaraf biologi pada ota manusia adalah dengan cara menyampaian sinyal dari satu neuron e neuron yang lain yang berdeatan serta bersesuaian. Hal yang sama berlanut untu neuron yang beriutnya, sampai pada neuron terahir yang diehendai sinyal tersebut.
2 2 JST dicirian oleh (1) hubungan pola antar neuron (disebut sebagai arsitetur), (2) metode untu menentuan bobot pada hubungan (disebut sebagai algoritma pelatihan atau pembelaaran) dan (3) fungsi ativasinya. Sebuah aringan syaraf terdiri dari banya elemen pengolah sederhana yang disebut neuron, unit, cell, atau node. Masing-masing neuron tersebut dihubungan e neuron yang lain oleh rantai omuniasi terarah dengan masing-masing bobot yang beraitan dengannya. Dalam apliasi sesungguhnya tidalah cuup hanya menggunaan satu neuron saa, biasanya terdapat layer tambahan. Mesipun aringan syaraf pada gambar 1 relatif sederhana, eberadaan unit tersembunyi (hidden unit), memberian emampuan untu memecahan banya permasalahan daripada yang dapat dilauan oleh aringan yang hanya terdiri dari input dan output unit Gambar 1 Jaringan syaraf sederhana dengan hidden unit 2.2 Metode Pembelaaran Pembelaaran (learning) bagi JST merupaan proses mengatur harga-harga dari parameter bobotnya untu mendapatan harga yang terbai dengan melatih (training) aringan menurut unu era sistem yang diehendai. Tuuannya agar umpulan pola input (vetor input) yang diberian menghasilan pola output (vetor output) yang diinginan atau paling sediit mendeati. Training ini dibentu dengan menerapan secara berurutan pada pola input dan mengatur bobot aringan mendeati pola output mengiuti suatu algoritma belaar tertentu selama proses belaar, pembobot secara perlahan onvergen menuu harga tertentu, sehingga pola input menghasilan pola output yang diinginan. Ada 2 metode pembelaaran, yaitu: Pembelaaran terbimbing (Supervised training) dan Pembelaaran tida terbimbing (Un-supervised training) Algoritma propagasi bali atau Bacpropagation atau Generalized Delta Rule termasu di dalam metode pembelaaran terbimbing (supervised training). Algoritma ini membutuhan pasangan untu tiap vetor input dengan vetor target (eluaran yang diinginan).jia aringan diberi input baru, output aringan aan diubah seperti yang diharapan berdasaran pola yang sudah ada. Selisih dari edua output tersebut menyataan esalahan (error) yang aan digunaan untu mengubah pembobot sambungan. Sehingga esalahan aan semain ecil dalam silus pelatihan beriutnya. 2.3 Pengolahan Citra (image processing) Pengolahan citra adalah suatu metode yang digunaan untu mengolah gambar sehingga menghasilan gambar lain yang sesuai dengan einginan ita 2. Pengolahan citra berperan sebagai pra pengolahan yang bertugas untu menyederhanaan gambar menadi suatu data berupa matri mxn, emudian matris tersebut diadian sebagai input bagi aringan syaraf tiruan Komputer digital hanya dapat memproses suatu citra dalam bentu digital.pengambilan gambar bisa dilauan oleh penangap citra digital misalnya, amera video, scanner dan amera digital. Atau alatalat lain yang bisa digunaan untu mentransfer gambar Proses Grayscale Operasi ini bertuuan untu merubah citra 24 bit RGB menadi citra abu-abu. Pemilihan pemrosesan pada tingat abu-abu ini dipilih arena lebih sederhana arena hanya menggunaan sediit ombinasi warna dan dengan citra abu-abu dirasaan sudah cuup untu memproses suatu gambar. Prinsip citra perubahan citra 24 bit RGB menadi citra abu-abu adalah dengan menghitung rata-rata dari intensitas 0.299*red, 0.587*green, 0.114* blue dari citra 24 bit RGB 3 seperti ditunuan pada gambar *R Gray 0.587*G Gambar 2 Operasi pengubahan citra 24 bit e citra abu-abu Gray 0.114*B Gray 2 Agustinus Nalwan, Pengolahan Gambar Secara Digital, Elex Media Computindo, Jaarta, Ioannis Pitas, Digital Image Processing Algorithms, Prentice Hall, Singapore, 1993
3 Proses Detesi Tepi Detesi Tepi adalah perubahan nilai intensitas deraat eabuan yang besar dalam ara yang deat. Biasanya, tepi terdapat pada batas antara dua daerah berbeda pada citra. Tepi (edge) merupaan ciri dasar dari citra, merea membawa informasi yang sangat berguna tentang pinggiran dari suatu obe yang mana dapat digunaan untu menganalisa suatu image (citra), pengidentifiasian suatu obe maupun untu apliasi penyaringan (filtering) dari citra. Detesi tepi ini sangat penting dan merupaan hal paling mendasar dalam pemrosesan citra secara digital. Tuuan detesi tepi adalah untu meningatan penampaan garis batas obe dalam citra. Ada beberapa metode detesi tepi yang banya dipaai dalam pendetesian tepi. Dalam maalah ini ami memaai detesi tepi turunan gradien pertama dengan sobel mas operator seperti ditunuan pada gambar 3. obe dengan bacground (latar belaang) dari suatu citra Proses Estrasi Ciri Setelah obe-obe yang ada berhasil disederhanaan pada tahap sebelumnya, tahap beriutnya adalah mengestrasi ciri-ciri tertentu dari setiap obe atau arater huruf braille. Pada tahap ini mencari posisi gambar paling iri, paling anan, paling atas, dan paling bawah. Kemudian gambar dibagi-bagi menadi baris M dan olom N. Setiap ota dilauan scanning pixel. Jia melebihi umlah yang ditentuan maa ota tersebut diberi nilai 1, ia tida diberi nilai 0. emudian melauan penyimpanan matris MxN sebagai data referensi. Proses estrasi ciri dapat dilihat pada gambar 5 Gambar 3 Sobel Mas Proses Tresholding atau Binarisasi Proses thresholding atau binarisasi pada prinsipnya adalah melauan pengubahan nilai intensitas warna pisel menadi 2 nilai yaitu 0 atau warna hitam dan 255 atau warna putih. citra dibandingan Mas 1 Mas (Putih) AMBANG BATAS 0 (Hitam) LEBIH BESAR AMBANG LEBIH KECIL AMBANG Gambar 4 Ilustrasi pengambilan eputusan pada proses thresholding Pengubahan diharapan aan menghasilan citra yang hanya terdiri dari dua warna saa, sehingga untu proses selanutnya menadi lebih sederhana. Tuuan utama dari proses thresholding ini adalah untu memisahan dan membedaan antara Gambar 5 Proses estrasi ciri Dalam maalah ini ami melauan estrasi ciri dengan membagi gambar arater atau huruf braille menadi 3 baris dan 2 olom atau matris 3x Algoritma Propagasi bali Secara garis besar algoritma ini menelasan, yaitu etia aringan diberian pola input sebagai pola pelatihan maa pola tersebut menuu e simpulsimpul pada lapisan tersembunyi untu diterusan e simpul-simpul lapisan output. Kemudian simpulsimpul lapisan output memberian respon disebut output aringan. Saat output aringan tida sesuai dengan output yang diharapan maa output aan menyebar mundur pada lapisan tersembunyi diterusan e simpul pada lapisan input. Oleh arena itu maa meanisme pelatihan tersebut disebut propagasi bali. Algoritma propagasi bali terdiri dari dua proses yaitu feed forward dan propagasi bali dari errornya 4. Untu elasnya dapat dielasan sebagai beriut: Step 0. Inisialisasi fator penimbang dengan nilai random yang ecil Step 1. Ulangi langah 2 hingga 9 hingga ondisi stop terpenuhi Step 2. Lauan langah 3 hingga 8 untu masingmasing pasangan training Feedforward. 4 Adeli H, S. Hung, Machine Learning, Neural Networ, Genetic Algorithm, and Fuzzy Systems, John Willey & Sons Inc., Singapore, 1994 ahd aw iaysd iasydi asdiy aisy iasd aisdiasdi diy sady sady
4 4 Step 3. Masing-masing unit input (X i, i=1, n) menerima sinyal input X i dan sinyal tersebut disebar e unit bagian atas lapisan tersembunyi (unit hidden). Step 4. Masing-masing hidden menumlahan fator penimbang : Z _ in V o n i1 X V dan menghitung sinyal output sesuai dengan fungsi ativasi: Z f Z _ in ) ( Karena yang digunaan fungsi sigmoid maa: 1 Z ( Z _ in ) 1 exp emudian mengirim sinyal tersebut e semua unit di atasnya (output unit). Step 5. Masing-masing unit output (Y, =1,2,3,,m) diumlahan fator penimbang: Y _ in W o p 1 i i Z W Menghitung sesuai dengan fungsi atifasi: Y f ( Y _ in ) Propagasi Bali dari Errornya Step 6. Masing-masing unit output (Y, =1,2,3,,m) menerima pola target sesuai dengan pola masuan saat training dan menghitung errornya: ( t Y ) f '( Y _ in ) Menghitung pembetulan fator penimbang (untu memperbaii W ) W Z Menghitung pembetulan oresi: W o dan mengiriman nilai e unit lapisan di bawahnya. Step 7. Masing-masing unit hidden (Z, =1,2,3,,p) menumlahan delta inputnya(dari unit layer di atasnya) m _ in W 1 selanutnya dialian dari fungsi ativasinya untu menghitung error. _ in f '( Z _ in Kemudian menghitung pembetulan penimbang (digunaan untu memperbaii V i ) V i Xi emudian menghitung pembetulan bias (untu memperbaii V o ) V o Memperbaii Penimbang dan Bias Step 8. Masing-masing output unit (Y, =1,2,3,,m) diperbaii bias dan penimbangnya (=0,1,2,,p) W ( baru) W ( lama) W Masing-masing unit hidden (Z, =1,2,3, p) diperbaii bias dan penimbangnya (=0,1,2,,n) V Step 9. Proses berhenti ( baru) V ( lama) V 2.5 Tahap Pelatihan/Pembelaaran Tahap pelatihan/pembelaaran ini merupaan langah bagaimana suatu aringan syaraf itu berlatih, yaitu dengan cara melauan perubahan bobot sambungan. Sedangan fase pemecahan masalah aan dilauan ia proses belaar tersebut selesai, fase tersebut adalah proses penguian atau testing. Proses pembelaaran dilauan dengan membandingan pasangan output aringan dengan vetor target. Selisih dari eduanya merupaan error yang aan digunaan untu mengubah pembobot sambungan. Sehingga esalahan aan semain ecil pada silus pembelaaran beriutnya atau mencapai onvergen. 2.6 Lau pembelaaran (Learning rate) Learning rate( ) adalah salah satu parameter yang turut mempengaruhi ecepatan belaar. Learning rate sangat berpengaruh pada intensitas pada proses belaar, efetivitas dan onvergensi dari pelatihan. Harga optimum, dari learning rate tergantung masalah yang dihadapi. Intinya dipilih sedemiian rupa sehingga dicapai onvergensi yang optimal dalam proses pelatihan.harga yang cuup ecil aan menadian proses training beralan dengan lambat, sehingga onvergensi aan tercapai pada iterasi yang besar. )
5 5 III. PERANCANGAN SISTEM 3.1 Sistem Pengenalan Pola Huruf Braille Perangat luna (software) dibuat dengan menggunaan bahasa Pascal, dalam hal ini Delphi 7.0, yang dialanan pada sistem operasi Windows XP 3.2 Diagram Alir Sistem Secara garis besar, ada beberapa proses dalam sistem pengenalan pola-pola huruf braille yaitu: 1. Pengambilan gambar (file) 2. Pemrosesan awal (grayscale,detesi tepi, thresholding, estrasi ciri) 3. Proses pembelaaran 4. Proses pengenalan atau pengambil eputusan. Tuuan dari pembuatan perangat luna ini adalah untu mengenali pola-pola huruf braille yang telah disimpan dalam sebuah file gambar. Gambar pola-pola huruf braille yang aan dienali adalah gambar yang telah diambil gambarnya dengan menggunaan scanner, dalam hal ini pengambilan gambar dilauan secara offline. Pengambilan gambar tersebut harus lurus dan tida dalam posisi terbali. Pola-pola huruf braille dalam hal ini berbentu suatu tes. File gambar huruf braille yang aan diproses dapat berformat *.bmp dengan 24 bit perpixel. Gambar 8 Diagram Alir Perangat Luna Utama Gambar 6 Pola Huruf Braille Gambar 7 Tes Braille Hasil Scan Gambar 9 Diagram Alir Tahap Pembelaaran
6 6 Gambar 11 Tampilan Menu Utama Program Kemudian membua Load Image dengan tampilan dialog seperti ditampilan pada gambar 11 Gambar 10 Diagram Alir Proses Pengambil Keputusan 3.3 Desain Arsitetur Pada tugas ahir tersebut ami menggunaan layer input sebanya 6 titi, layer hidden sebanya 25 titi, dan layer output sebanya 27 titi. Mengapa demiian? Karena ami mempunyai target 26 arater huruf abad dan 1 arater spasi yang aan dienali. Sedangan banyanya umlah titi dalam hidden layer dipilih berdasaran esesuaian dengan hasil error rate dalam aringan. IV. PENGUJIAN DAN ANALISA 4.1 Penguian Perangat Luna Penguian perangat luna memilii langah (step) yang telah ditentuan secara urut. Urutan dalam penguian langah demi langah harus secara teratur, tida dapat melewati salah satu langah untu menuu langah lainnya. Penguian perangat luna meliputi: 1. Ui coba proses loading data 2. Ui coba proses grayscale 3. Ui coba proses detesi tepi 4. Ui coba proses threshold 5. Ui coba proses etrasi ciri 6. Ui coba proses pembelaaran 7. Ui coba proses pengenalan Hasil Ui Coba Loading Data Pada proses yang paling awal adalah loading file, dimana data yang dapat diambil adalah file dengan estensi *.bmp.untu membua file gambar dapat menggunaan pilihan pada menu utama seperti ditampilan pada gambar 10 Gambar 12 Proses loading file BRAI1_100%.BMP Hasil loading file nya ditunuan pada gambar 12 Gambar 13 Hasil Loading FileBRAI1_100%.BMP Hasil Ui Coba Proses Grayscale Gambar 14 Hasil Ui Coba Proses Grayscale Hasil Ui Coba Proses Detesi tepi Gambar 15 Hasil Ui Coba Proses Detesi Tepi Hasil Ui Coba Proses Thresholding Gambar 16 Hasil Ui Coba Proses Thresholding
7 Hasil Ui Coba Proses Estrasi Ciri Gambar 17 Hasil Ui Coba Proses Estrasi Ciri Ui Coba Pembelaaran Jumlah pola huruf braille yang ditraining sebanya 27 data yaitu meliputi arater a sampai z dan ditambah arater untu spasi. Pada ui coba pembelaaran mencapai 626 ali iterasi dengan batasan error sebesar Gambar 10 merupaan gambar grafi error dari proses pembelaaran aringan syaraf tiruan. Pada gambar terdapat garis merah yaitu menunuan batasan error (error limited) sebesar , dan garis biru adalah menunuan perubahan error selama proses pembelaaran berlangsung. Pembelaaran aan berhenti ia hasilnya mencapai onvergen yaitu pada iterasi e-626. Gambar 18 Grafi Ui Pembelaaran Ui Pengenalan Tahap terahir dari perangat luna ini adalah tahap pengenalan. Setelah dilauan langah-langah sebelumnya yaitu grayscale, detesi tepi, threshold, serta estrasi ciri dengan secara berurutan dan teratur, emudian dilauan tahap pengenalan yang merupaan implementasi dari aringan syaraf tiruan. Hasil dari pengenalan dieluaran dalam bentu suara melalui soundcard pada PC. Suara yang dieluaran aan mengea huruf demi huruf yang dienali. Jumlah pola yang aan dienali berumlah 27 pola yaitu mulai a sampai z termasu spasi. Selain output suara yang dieluaran melalui soundcard, uga terdapat tampilan pada layar seperti pada gambar Analisa Jia dilihat dari pola-polanya, huruf Braille berbeda dengan bentu abad biasa. Satu arater huruf Braille berbentu seperti ode-ode tertentu yaitu berupa bulatan-bulatan ecil sebanya 3x2, serta dibuat secara timbul agar arater tersebut dapat dienali oleh tunanetra Setelah melauan beberapa penguian pengenalan pola huruf Braille sebanya 10 ali dengan menggunaan 2 buah gambar hasil pengambilan dengan menggunaan scanner, didapatan hasil pengenalan seperti ditunuan pada tabel 1 dan dan tabel 2. Dari percobaan yang dilauan sebanya 10 ali dengan gambar yang sama, hasilnya sama seperti pada pertama ali percobaan pengenalan dilauan. Artinya aringan tetap dapat mengenali sesuai dengan apa yang telah aringan pelaari pada saat pembelaaran Tabel 1 Hasil Pengenalan BRAI1_100%.BMP Tabel 2 Hasil Pengenalan BRAI2_100%.BMP No No Penguian e- Penguian e- Jumlah Karater Jumlah Karater Tida Tida Prosentase Pengenalan ,54% ,54% ,54% ,54% ,54% ,54% ,54% ,54% ,54% ,54% Prosentase Pengenalan ,02% ,02% ,02% ,02% ,02% ,02% ,02% ,02% ,02% ,02% Gambar 19 Hasil Pengenalan Dengan Jaringan Syaraf Tiruan File Gambar BRAI1_100%.bmp
8 8 Tabel 3 Total Hasil Pengenalan BRAI1_100%.BMP Penguian Gambar Jumlah Karater Tida Prosentase Pengenalan ,54% % Total ,28% Pada tabel 3 total arater yang dapat dienali adalah 99,28 %. Masih adanya esalahan dalam pengenalan pola dapat teradi arena pemisahan arater yang urang aurat. Hal lain uga dapat disebaban ertas yang dipaai untu penulisan huruf braille tersebut dalam eadaan usut (lungset) atau ertas dalam eadaan otor. Keadaan tersebut aan menadian proses estrasi ciri dapat menghasilan data yang berbeda dengan gambar. Hasil ahir pengenalan huruf Braille dengan menggunaan aringan syaraf tiruan ini berupa suara yang mengea huruf demi huruf. Pereaman suara dilauan dengan memanfaatan fasilitas Microsoft Sound Recorder. Suara hasil reaman memilii format (*.wav) yang disimpan dalam file c:\voice sebanya 26 huruf yaitu huruf A-Z. Pemanggilan prosedur atau fungsi untu menalanan suara sesuai dengan output hasil identifiasi perhurufnya telah disediaan oleh Delphi yaitu SndPlaySound pada unit MMSystem. V. KESIMPULAN 5.1. Kesimpulan 1. Dari hasil penguian 2 buah gambar dengan menggunaan scanner yang dilauan percobaan masing-masing gambar sebanya 10 ali, didapatan bahwa unu era dari perangat luna ini dapat memberian rata-rata hasil pengenalan sebesar 99,28%. 2. Pemilihan nilai parameter learning rate dapat mempengaruhi dalam lamanya proses pembelaaran. Semain tinggi learning rate semain cepat pula proses iterasi berlangsung dan begitu uga sebalinya. Dengan learning rate sebesar 0,7 yang ami paai dalam percobaan, iterasi yang berlangsung sebanya 626 ali pembelaaran 3. Kesalahan pengenalan disebaban pemisahan arater yang urang aurat dan uga ualitas ertas yang digunaan untu penulisan huruf braille tersebut urang bai sehingga output aringan lebih mirip dengan target lain yang diharapan 4. Hasil pengenalan aan dieluaran melalui soundcard dalam bentu suara per huruf sehingga dapat membantu tunanetra dalam membaca huruf braille tanpa meraba dengan tangan Saran Beriut adalah saran-saran yang beraitan dengan penelitian yang telah dilauan. 1. Perangat luna dapat diembangan lebih lanut untu menghasilan suara yang mengea hasil pengenalan per ata. 2. Perembangan selanutnya diharapan menggunaan video camera secara online. 3. Agar pendetesian arater lebih aurat, pembagian gambar atau arater menadi baris dan olomumlahnya lebih banya lagi. DAFTAR PUSTAKA [1] Ir. Son Kuswadi, Dr. Mohammad Nuh, DEA, Ir. Anang Tahono, Riyanto Sigit, ST, Eletronia Terapan, Ditat Mata Kuliah, PENS-ITS, Surabaya, [2] Freeman, JA, Davis Shapura, Neural Networ: Algorithm, Application and Tecnique Programming, Addison Wesley Publishing Company, Massachussets, 1991 [3] Purnomo, Mauridhi Hery, Pengantar Jaringan Syaraf Tiruan (Neural Networs), Ditat Pelatihan Neural Networ, Surabaya, 1999 [4] Fausett, Laurence, Fundamentals of Neural Networ Architecture, Algorithms, and Application, Prentice Hall International Inc., Englewood Cliffts N.J, 1994 [5] Adeli H, S. Hung, Machine Learning, Neural Networ, Genetic Algorithm, and Fuzzy Systems, John Willey & Sons Inc., Singapore, 1994 [6] Agustinus Nalwan, Pengolahan Gambar Secara Digital, Elex Media Komputindo, Jaarta, 1995 [7] Ioannis Pitas, Digital Image Processing Algorithms, Prentice Hall, Singapore, 1993 [8] Tuesday T.A.S. Rondonuwu, Kontrol Kualitas Keragaman Warna Produ Industri Dengan Metode Neural Networ (Algoritma Bacpropagation), Tugas Ahir Program D IV Teni Eletronia Instrumentasi Jurusan Eletro ITB, Surabaya, 2000.
9 9 Semarang,...Maret 2006 Menyetuui dan Mengesahan Praditya Firmansyah [L2F303467] Lahir di Pameasan, 14 Juli 1980 Mahasiswa Teni Eletro Estensi 2003, Bidang Konsentrasi Eletronia dan Teleomuniasi, Universitas Diponegoro Semarang DLT_PDF@yahoo.com Pembimbing I, Pembimbing II, Wahyul AS ST, MT. NIP Iwan Setiawan ST, MT. NIP
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciPENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS
Jurnal Teni dan Ilmu Komputer SISTEM PENGENALAN AJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETORK DAN PRINCIPAL COMPONENT ANALYSIS FACE RECOGNITION SYSTEM USING BACKPROPAGATION ARTIFICIAL
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciPENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT
PENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT Oleh : DONNY WAHYU SAPUTRO G06499031 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciII. DASAR TEORI I. PENDAHULUAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK UNTUK MENDETEKSI GOLONGAN DARAH PADA MANUSIA M. Fuad Latief *, R. Rizal Isnanto, Budi Setiyono Abstra - Membran sel darah manusia mengandung bermacam-macam
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
Lebih terperinciMakalah Seminar Tugas Akhir
Pengaturan Kecepatan Motor DC Menggunaan Jaringan Syaraf Tiruan Feedforward Bacpropagation Sorihi *, Wahyudi **, Iwan Setiawan ** Abstra - Jaringan syaraf bacpropagation merupaan aringan syaraf yang telah
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciBAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN
BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui
Lebih terperinciTEKNIK PERAMALAN TINGKAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN
TENI PERAMALAN TINGAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN Sri Mulyana Program Studi Ilmu omputer F MIPA UGM Seip Unit III Yogyaarta Telp (0274)546194 e-mail : smulyana@ugm.ac.id Abstra Tingat penualan
Lebih terperinciKAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Media Informatia, Vol. 5, No. 2, Desember 2007, 99-111 ISSN: 0854-4743 KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Anita Desiani Jurusan Matematia,
Lebih terperinciSistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation
1 Sistem Informasi Peramalan Beban Listri Janga Panang di Kabupaten Jember Menggunaan JST Bacpropagation Dodi Setiabudi Abstra Kebutuhan energi listri sebagai salah satu infrastrutur penting sangat diutamaan.
Lebih terperinciARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET
Prosiding SNaPP2012 : Sains, Tenologi, dan Kesehatan ISSN 2089-3582 ARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET 1 John Maspupu 1 Pussainsa LAPAN, Jl Dr Dundunan No 133 Bandung
Lebih terperinciDany Candra Febrianto ) dan Hindayati Mustafidah )
Penerapan Jaringan Saraf Tiruan dengan Metode Pembelaaran Bacpropagation untu Mengetahui Tingat Kualifiasi Calon Siswa pada Sistem Informasi Penerimaan Siswa Baru di MAN 2 Banarnegara (Application of Artificial
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinci1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba
JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA PINJAMAN DI INDONESIA Nurmalasari Rusmiati 1 Sistem Informasi, Faultas Ilmu Komputer, Universitas Gunadarma
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciProsiding Semirata FMIPA Universitas Lampung, 2013
Sistem Pengenalan Nomor Plat Kendaraan Berbasis Foto Diital Dengan Metode Moment Invariant dan Jaringan Syaraf Tiruan Menggunaan Algoritma Bacpropagation Zaiful Bahri, Suamto dan Joo Risanto Jurusan Matematia
Lebih terperinciPENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Sutino 1, Helmie Arif Wibawa 2, Priyo Sidi Sasongo 3 123 Jurusan Ilmu Komputer/Informatia, FSM,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING
APLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING Hendra William *), Achmad Hidayatno, and Aub Aulian Zahra Jurusan Teni Eletro, Universitas Diponegoro
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciPENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC. Oleh:
1 PENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC Oleh: NURHADI SUSANTO G64103059 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG Oleh : M.Rizi.H.S, Andri Heryandi,S.T, Bambang Siswoyo,Ir,M.Si Jl. Dipati Uur Bandung Teni Informatia Universitas
Lebih terperinciSISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN
SISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN Julian Supardi, Rz. Abdul Aziz, Syepriansyah Seolah Tggi Manaemen Informatia dan Komputer Darmaaya Jl. Z.A Pagar Alam No. 93 Bandar Lampung Indonesia
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciKecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Wajah (Face Recognition)
No. 1/XXVI/2007 Wawan Setiawan, Kecerdasan Komputasional Kecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Waah (Face Recognition) Wawan Setiawan (Universitas Pendidian
Lebih terperinciBAB 2 LANDASAN TEORI. relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi. Di sini juga
BAB 2 LANDASAN TEORI Dalam landasan teori ini, pada dasarnya aan dielasan mengenai teori yang relevan, lengap, dan terini sealan dengan permasalahan yang dihadapi. Di sini uga terdapat hubungan antara
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan
Lebih terperinciPrediksi Jumlah Kasus Demam Berdarah Dengue Menggunakan Jaringan Syaraf Tiruan (Studi Kasus daerah Kab. Sleman, Provinsi DIY)
Jurnal PROte Vol. 3 No. 1, 216 Predisi Jumlah Kasus Demam Berdarah Dengue Menggunaan Jaringan Syaraf Tiruan Iis Hamsir Ayub Wahab Program Studi Teni Eletro Faultas Teni, Universitas Khairun Email: hamsir@unhair.ac.id
Lebih terperinciPERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION
PERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION Wellie Sulistanti Abstract- Tuuan dari penelitian ini untu mengapliasian cara era aringan syaraf tiruan dengan menggunaan
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN
Ansari Predisi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan PREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN Rudy Ansari STMIK Indonesia Banarmasin e-mail: rudy.ansari@gmail.com ABSTRAK
Lebih terperinciDETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN
Prosiding Seminar Nasional Apliasi Sains & Tenologi (SNAST) Periode II ISSN: 1979-911X Yogyaarta, 11 Desember 2010 DETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN Uning Lestari
Lebih terperinciAPLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :
APLIKASI WAELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES Nama : Agus Sumarno NRP : 06 00 706 Jurusan : Matematia Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si Abstra Model time series
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciBAB II PENGENALAN WAJAH
BAB II PENGENALAN WAJAH Sistem pengenalan waah dapat dibagi menadi empat tahap, yaitu tahap pengolahan citra, detesi waah, estrasi fitur dan tahap pengenalan waah. Pada tugas ahir ini aan lebih diteanan
Lebih terperinciOPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK
OPTIMALISASI ARSITEKTUR PROPAGASI BALIK PADA PELATIHAN JARINGAN SYARAF TIRUAN LAPIS BANYAK ABSTRAK Jurusan Teknik Elektronika Fakultas Teknik Universitas Negeri Makassar Algoritma umum metode propagasi
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciPEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK. Azriyenni
PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK Azriyenni Dosen Tetap Teni Eletro Universitas Riau - Peanbaru Abstra Penelitian ini menyelidii mengenai pemprosesan alarm
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciBAB II LANDASAN TEORI. Proses utama dari pengenalan karakter adalah menerima karakter input dan
BAB II LANDASAN TEORI 2.1 Pengenalan Teori Proses utama dari pengenalan arater adalah menerima arater input dan memerisa apaah hasil input tersebut sesuai dengan salah satu arater yang ada. Bagian yang
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dielaskan mengenai teori-teori yang berhubungan dengan penelitian ini, sehingga dapat diadikan sebagai landasan berpikir dan akan mempermudah dalam hal pembahasan
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 terperinciAPLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA ABSTRACT
APLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA Manyu Fauzi, Minarni Nur Trilita Mahasiswa S3 MRSA, Jurusan Teni Sipil-ITS dan Pengaar Jurusan Teni Sipil Univ. Riau Mahasiswa S3
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciAPLIKASI ALGORITMA FEED FORWARD BACKPROPAGATION PADA SISTEM KEAMANAN AKSES MENGGUNAKAN SIDIK JARI.
Proceeding Seminar dan Worshop Nasional Pendidian Teni Eletro (SWNE) FPTK Universitas Pendidian Indonesia APLIKASI ALGORITMA FEED FORWARD BACKPROPAGATION PADA SISTEM KEAMANAN AKSES MENGGUNAKAN SIDIK JARI.
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR)
PENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR) Oleh: ¹ HERLY MARDANI (000298) ² BAMBANG SISWOYO,
Lebih terperinciRESPONS ALIRAN MASUK KE DANAU TOWUTI OLEH CURAH HUJAN DI WAWONDULA DAN SEKITARNYA DIANALISA DENGAN ARTIFICIAL NEURAL NETWORK
Respons Aliran Masu Danau Towuti..(Kudsy) 87 RESPONS ALIRAN MASUK KE DANAU TOWUTI OLEH CURAH HUJAN DI WAWONDULA DAN SEKITARNYA DIANALISA DENGAN ARTIFICIAL NEURAL NETWORK Mahally Kudsy dan Moh. Husni INTISARI
Lebih terperinciPerbaikan Metode Backpropagation untuk Pelatihan Jaringan Syaraf Tiruan Multilayer
Perbaikan Metode Backpropagation untuk Pelatihan Jaringan Syaraf Tiruan Multilayer R. Muhammad Subekti 1 1. P2TRR BATAN, Kompleks Puspiptek Gedung 31, Serpong, Tangerang 15310 Abstrak Algoritma umum metode
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciCONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION
UPN Veteran Yogyaarta, 30 Juni 2012 CONTENT BASED IMAGE RETRIEVAL MENGGUNAKAN MOMENT INVARIANT, TEKSTUR DAN BACKPROPAGATION Ni G.A.P Harry Saptarini 1), Rocy Yefrenes Dilla 2) 1) Politeni Negeri Bali 2)
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 terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciTRANSFORMASI KOORDINAT MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT (Studi Kasus: Daerah Jawa Bagian Barat) SUPRIYANTI
TRANSFORMASI KOORDINAT MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT (Studi Kasus: Daerah Jawa Bagian Barat) SUPRIYANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPendeteksi Rotasi Menggunakan Gyroscope Berbasis Mikrokontroler ATmega8535
Maalah Seminar Tugas Ahir Pendetesi Rotasi Menggunaan Gyroscope Berbasis Miroontroler ATmega8535 Asep Mubaro [1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teni Eletro, Faultas Teni, Universitas
Lebih terperinciBAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciMateri. Menggambar Garis. Menggambar Garis 9/26/2008. Menggambar garis Algoritma DDA Algoritma Bressenham
Materi IF37325P - Grafia Komputer Geometri Primitive Menggambar garis Irfan Malii Jurusan Teni Informatia FTIK - UNIKOM IF27325P Grafia Komputer 2008 IF27325P Grafia Komputer 2008 Halaman 2 Garis adalah
Lebih terperinciSistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm)
Sistem Navigasi Perjalanan Berbasis Web Dengan Algoritma Koloni Semut (Ant Colony Algorithm) Arna Fariza 1, Entin Martiana 1, Fidi Wincoo Putro 2 Dosen 1, Mahasiswa 2 Politeni Eletronia Negeri Surabaya
Lebih terperinciPENERAPAN NEURAL NETWORK MODEL BACKPROPAGATION DAN GENERAL REGRESSION NEURAL NETWORK
Eo Sediyono PENERAPAN NEURAL NETWORK MODEL BACKPROPAGATION DAN GENERAL REGRESSION NEURAL NETWORK Oleh : Eo Sediyono Abstra Telah dilauan penelitian tentang identifiasi citra untu mengidentifiasi enis daging
Lebih terperinciDESAIN SENSOR KECEPATAN BERBASIS DIODE MENGGUNAKAN FILTER KALMAN UNTUK ESTIMASI KECEPATAN DAN POSISI KAPAL
DESAIN SENSOR KECEPAAN BERBASIS DIODE MENGGUNAKAN FILER KALMAN UNUK ESIMASI KECEPAAN DAN POSISI KAPAL Alrijadjis, Bambang Siswanto Program Pascasarjana, Jurusan eni Eletro, Faultas enologi Industri Institut
Lebih terperinciAPLIKASI PENGENALAN AKSARA CARAKAN MADURA DENGAN MENGGUNAKAN METODE BACKPROPAGATION
APLIKASI PENGENALAN AKSARA CARAKAN MADURA DENGAN MENGGUNAKAN METODE BACKPROPAGATION Erwien Tjipta W, Iswan Wahyu Al Farqi STMIK ASIA Malang ABSTRAK Pengolahan citra (Image Processing) adalah suatu bidang
Lebih terperinciAKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA
AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA Aris Puji Widodo, Suhartono 2, Eo Adi Sarwoo 3, dan Zulfia Firdaus 4,2,3,4 Departemen Ilmu Komputer/Informatia,
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciPerbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan
Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Sri Arttini Dwi Prasetyowati 1), Adhi Susanto ), homas Sriwidodo ), Jazi Eo Istiyanto 3)
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciPEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA
PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Tiruan 2.1.1. Latar Belaang Jaringan Syaraf Tiruan dibuat pertama ali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits, namun tenologi
Lebih terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrosesan Sinyal Menurut Proais et al. (1997), umumnya suatu segmen suara dapat dinyataan dengan deraat etelitian yang tinggi sebagai umlah dari beberapa sinusoida dengan amplitudo
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciPerbandingan Arsitektur Multilayer Feedforward Network dengan memakai Topologi Multiprosesor Ring Array Dan Linear Array
Nico Saputro Perbandingan Arsitektur Multilayer Feedforard Netork dengan memakai Topologi Multiprosesor Ring Array Dan Linear Array Abstrak Jaringan Syaraf Tiruan dapat diimplementasikan secara perangkat
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI
PENGENALAN SIDIK JARI MENGGUNAKAN RESILIENT BACKPROPAGATION NEURAL NETWORK DENGAN PRAPROSES TRANSFORMASI WAVELET INEZA NUR OKTABRONI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinci