KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM
|
|
- Sonny Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM Maimunah Program Studi Teknik Komputer Universitas Islam 45 ABSTRAK Penelitian ini melakukan klasifikasi mutu telur asin berdasarkan warna kuning telur berbasis pengolahan citra digital. Kualitas telur asin berdasarkan warna kuning telur terdiri dari kualitas 1 dan kualitas 2. Kriteria warna kuning telur asin kualitas 1 adalah warna kuning telur nya jingga kemerahan dan terdapat kandungan minyak.sedangkan kenampakan kuning telur kualitas 2 warnamya jingga lebih pucat dan masih terdapat kandungan minyak di dalamnya namun tidak sebanyak kandungan minyak pada kuning telur asin kualitas 1. Tahap klasifikasi meliputi praproses citra telur asin berdasarkan komponen warna RGB dan klasifikasi menggunakan ANFIS. Fuzzy Inference System yang dihasilkan digunakan untuk melakukan pelatihan dan pengujian terhadap citra telur asin. Hasil pengujian diperoleh akurasi 100% baik untuk citra telur asin kualitas 1 maupun citra telur kualitas 2. Kata Kunci : Klasifikasi, kualitas, telur asin, ANFIS ABSTRACT This research is for classify the quality of salted egg base on the egg yolk color using image processing. The quality of egg yolk color consist of quality 1 and quality 2. In the quality 1 egg yolk color criteria is the one with reddish orange color and containing oil. While the quality 2 egg yolk color is paler orange and still containing oil but not as much as the one in the quality 1. Classification stage includes salted egg image preprocessing base on RGB color component and classification using ANFIS. The result of Fuzzy Inference System used for training and testing toward salted egg image. The test results obtained for 100% accuracy either for first quality as well as the second quality. Keyword:Classification,quality,salted egg, ANFIS 73
2 PENDAHULUAN Telur asin adalah istilah untuk makanan yang berbahan telur yang diawetkan dengan cara diawetkan dengan cara diasinkan. Telur yang biasanya dibuat telur asin adalah telur bebek.telur asin bersifat praktis dan dapat dipadukan dengan berbagai masakan. Kualitas telur asin dilihat dari kenampakan dan warna kuning telurnya biasanya dilakukan oleh tester. Apabila penilaian dilakukan oleh tester maka kelemahannya adalah hasil yang didapat akan bersifat subyektif karena selera tester berbeda - beda sehingga hasil yang didapat kurang obyektif. Walaupun selera orang berbeda-beda namun telur asin yang dinilai berkualitas tinggi memiliki ciri-ciri bagian kuning telur berwarna jingga terang hingga kemerahan, kering (jika digigit tidak mengeluarkan cairan), tidak menimbulkan bau amis dan rasa asin tidak menyengat. Kriteria warna kuning telur asin kualitas 1 adalah warna kuning telur nya jingga kemerahan dan terdapat kandungan minyak. Sedangkan kenampakan kuning telur kualitas 2 warnanya jingga lebih pucat dan masih terdapat kandungan minyak di dalamnya namun tidak sebanyak kandungan minyak pada kuning telur asin kualitas 1. Pada klasifikasi kualitas telur asin menggunakan Support Vector Machine diperoleh akurasi 80% (Yosvine Monro, 2013). Oleh karena penentuan kualitas telur asin dari kenampakan dan warna kuning telurnya yang dilakukan oleh tester bersifat subyektif maka perlu dikembangkan metode lain yaitu dengan menggunakan suatu sistem yang berbasis pengolahan citra digital. Salah satu contoh penerapan pengolahan citra digital dalam klasifikasi adalah telur asin rebus dan pengambilan citra telur asin dilakukan secara dekstrutif yaitu dengan membelah telur asin menjadi dua bagian. Ada beberapa teknik pengolahan citra yang digunakan dalam penelitian ini meliputi preprocessing dan ekstraksi ciri. Pada tahap ekstraksi ciri diperoleh nilai Red (r),green (g),blue (b). Setelah dilakukan ekstraksi ciri, citra telur asin diklasifikasikan berdasarkan warna kuning telur menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Arsitektur ANFIS secara fungsional sama dengan fuzzy rule base model Sugeno. Arsitektur ANFIS juga sama dengan jaringan syaraf yang memiliki fungsi radial dengan sedikit batasan tertentu. Dapat dikatakan bahwa ANFIS adalah suatu metode yang melakukan penyetelan aturan menggunakan algoritma pembelajaran terhadap sekumpulan data. Pada ANFIS juga memungkinkan aturan-aturan untuk beradaptasi (Kusumadewi, 2002). ANFIS mengandaikan bahwa data input dan output dari suatu black box system (system kotak hitam) telah tersedia dan ingin menebak model apa yang cocok atau yang sederhana ada dalam kotak hitam tersebut. Dalam menebak, tidak diisyaratkan tersedianya struktur model tertentu berdasar pada karakteristik variablevariabel sistem (Naba, 2009). Dalam penelitian ini diharapkan dapat mengklasifikasikan kualitas telur asin berdasarkan warna kuning telur dalam kategori kualitas 1 dan 74
3 kualitas 2. Permasalahan yang dirumuskan dalam penelitian ini adalah: a. Bagaimana cara melakukan ekstraksi ciri RGB dari citra telur asin? b. Bagaimana cara melakukan klasifikasi kualitas telur asin menggunakan ANFIS? c. Bagaimanakah merancang simulasi sistem klasifikasi kualitas telur asin berdasarkan warna kuning telur menggunakan ANFIS? Batasan Masalah dalam penelitian ini meliputi: a. Citra input berupa citra RGB dengan tipe file.jpg b. Telur asin yang digunakan berupa telur asin rebus c. Parameter yang diperoleh dari hasil ekstraksi ciri adalah r,g,b d. Klasifikasi kualitas telur asin menggunakan ANFIS. Tujuan penelitian ini adalah: a. Mengetahui kualitas telur asin b. Merancang suatu simulasi sistem yang mampu mengetahui kualitas telur asin berdasarkan kenampakan warna kuning telur berdasar ciri warna RGB dan menggunakan ANFIS. METODE PENELITIAN Bahan dan peralatan yang digunakan dalam penelitian ini adalah : 1. Software Matlab 2008a 2. Software Microsoft Office Notepad Telur asin yang digunakan dalam penelitian ini diperoleh dari penjual di daerah sekitar Bekasi. Total data yang digunakan dalam penelitian ini sebanyak 45 buah citra telur asin yang terdiri dari 36 buah citra latih dan 9 buah citra uji. Untuk citra latih terdiri dari 28 citra telur asin kualitas 1 dan 8 citra telur asin kualitas 2. Citra uji yang digunakan terdiri dari 7 citra telur asin kualitas 1 dan 2 citra telur asin kualitas 2. Tahapan penelitian yang dirancang dalam penelitian ini seperti dalam gambar 1. Mulai Akuisisi Citra Praproses Ekstraksi ciri warna RGB Klasifikasi ANFIS Selesai Gambar 1. Tahapan Penelitian Tahapan penelitian yang dilakukan secara detail sebagai berikut : a. Akuisisi Citra Pertama kali telur asin dibelah menjadi dua sehingga tampak kuning dan putih telurnya. Telur asin dibelah dua dan diambil citranya menggunakan kamera digital Samsung 8MP dengan jarak pengambilan 15 cm dengan pencahayaan yang sama. Citra telur asin yang diperoleh kemudian disimpan dalam format ekstensi.jpg. b. Praproses Praproses dilakukan dengan melakukan pemotongan 75
4 (cropping) citra telur asin yang telah disimpan sehingga diperoleh citra kuning telur asin. Citra kuning telur hasil cropping tersebut yang selanjutnya dilakukan proses ekstraksi ciri. c. Ekstraksi ciri Ekstraksi ciri dari citra telur asin diperoleh dengan mencari nilai RGB dari citra sehingga diperoleh komponen nilai r, g dan b. Nilai r,g,b yang diperoleh dilakukan normalisasi dengan cara nilai r,g,b dibagi dengan 255 sehingga diperoleh nilai r,g,b dengan interval 0 sampai 1. Nilai r,g,b tersebut yang digunakan sebagai parameter untuk tahap klasifikasi. d. Klasifikasi ANFIS Klasifikasi dilakukan untuk mengetahui citra telur asin yang diinputkan dikelompokkan dalam kualitas I atau II. Nilai r, g dan b dari hasil ekstraksi ciri yang diperoleh mengalami proses dua tahap yaitu proses pembelajaran (learning) dan proses pengenalan (recognition). Proses pembelajaran meliputi training dan testing menggunakan ANFIS. Setelah citra telur asin diperoleh nilai r,g,b maka selanjutnya dilakukan training menggunakan ANFIS. Model ANFIS dilakukan untuk mendapatkan rule based (basis aturan) fuzzy dari data yang ditraining. Arsitektur ANFIS yang terbentuk menunjukkan kategori inputan data, membership function dari data input, rule, membership function untuk input dan output. Setelah diperoleh fuzzy rule based selanjutnya dilakukan validasi untuk mengecek kesesuaian rule base yang telah terbentuk. Tahap berikutnya adalah melakukan testing terhadap rule based yang telah diperoleh menggunakan data testing. Hasil testing yang layak maka menjadi model pengenalan dalam menentukan klasifikasi kualitas telur asin. Tahapan klasifikasi kualitas telur asin yang dilakukan seperti dalam gambar 2 Data Training Training ANFIS Fuzzy Ruled Based Validasi Testing Layak? Mulai Pra Proses Data Testing Model Pengenalan Selesai Gambar 2. Tahapan Klasifikasi Ketepatan klasifikasi hasil prediksi menggunakan FIS dinyatakan dengan menggunakan akurasi yang didefinisikan sebagai berikut : 76
5 Akurasi=(jumlah prediksi yang benar/total banyaknya prediksi)*100% Perancangan antar muka klasifikasi kualitas telur asin menggunakan Graphical User Interface (GUI) Matlab yang terdiri dari beberapa tahap. Tahap pertama adalah proses pengambilan citra, kemudian pengolahan citra dan klasifikasi. Perancangan interface klasifikasi telur asin seperti dalam gambar 3 1 0,5 0 0,8 0,6 0,4 0, Gambar 4. Nilai rgb Citra Training Kualitas r g b r g b Gambar 3. Rancangan GUI HASIL DAN PEMBAHASAN Citra yang digunakan dalam penelitian ini terdiri dari citra latih dan citra uji. Untuk citra latih terdiri dari 28 citra telur asin kualitas 1 dan 8 citra telur asin kualitas 2. Citra uji yang digunakan terdiri dari 7 citra telur asin kualitas 1 dan 2 citra telur asin kualitas 2. Semua citra latih dan citra uji dihitung nilai rgb. Hasil nilai rgb citra latih untuk telur asin kualitas 1 seperti dalam gambar 4 dan nilai rgb citra latih untuk telur asin kualitas 2 dalam gambar 5. Gambar 5. Nilai rgb Citra Training Kualitas 2 Untuk citra telur asin kualitas 1 tampak bahwa nilai r yang menyatakan nilai red mempunyai nilai lebih tinggi dibandingkan nilai r pada citra kualitas 2 namun nilai b yang menyatakan blue mempunyai nilai lebih kecil dibandingkan citra kualitas 2. Dengan demikian sebaran nilai rgb citra telur asin kualitas 1 lebih luas dibandingkan citra telur asin kualitas 2. Pada tahap akuisisi, pertama kali telur asin dibelah menjadi dua sehingga tampak kuning dan putih telurnya. Telur asin dibelah dua dan diambil citranya menggunakan kamera digital Samsung 8MP dengan jarak pengambilan 15 cm dengan pencahayaan yang sama. Citra telur asin yang diperoleh kemudian disimpan dalam format ekstensi.jpg. Pemotongan (cropping) citra telur asin dilakukan untuk memperoleh 77
6 citra kuning telur asin. Hasil cropping diperoleh citra kuning telur yang terdiri dari kualitas 1 dan kualitas 2. yang telah disimpan sehingga diperoleh citra kuning telur asin. Hasil citra telur asin yang telah dilakukan cropping terdapat dalam lampiran 1. Ciri citra telur asin yang digunakan dalam penelitian ini adalah ciri warna yang meliputi warna RGB. Ciri warna diperoleh dengan menghitung nilai RGB masing-masing citra dan selanjutnya dilakukan normalisasi dengan cara nilai RGB setiap citra dibagi 255. Hasil normalisasi diperoleh komponen rgb sebagai parameter klasifikasi dengan rentang nilai antara 0 dan 1. Hasil ekstraksi ciri citra telur asin terdapat dalam lampiran 2. Dalam proses klasifikasi dilakukan pelatihan data menggunakan ANFIS dengan menggunakan data training dan target. Pelatihan dilakukan untuk mendapatkan rule based fuzzy dari data yang dilatih. Fuzzy Inference System hasil pelatihan nilai rgb telur asin tampak dalam gambar 4.3. Dari hasil pelatihan tampak plot penyebaran nilai rgb dan tampak kemiringan kurva yang menandakan nilai batas rgb telur asin kualitas 1 dan 2 yaitu di 1,25. Jika nilai rgb melebihi atau sama dengan 1,25 maka dikelompokkan dalam telur asin kualitas 2 dan sebaliknya jika kurang dari 1,25 maka dikelompokkan dalam telur asin kualitas 1. Fuzzy inference system hasil pelatihan meliputi struktur ANFIS, arsitektur FIS, fungsi keanggotaan citra input, basis pengetahuan dan rule. Struktur model ANFIS yang dihasilkan dari pelatihan seperti dalam gambar 4.4 menunjukkan bahwa terdapat 3 input data, 6 membership function dari data input, terbentuk 8 rule dan terbentuk 8 membership function untuk nilai output. Dari 2 kategori input data diperoleh hasil distribusi data training sebanyak 2 distribusi yang menunjukkan telur asin kualitas 1 dan telur asin kualitas 2 seperti dalam gambar 6. Gambar 6. FIS Hasil pelatihan Gambar 7. Struktur ANFIS 78
7 Gambar 8. Distribusi data input citra telur asin Arsitektur FIS tampak dalam gambar 4.6 menunjukkan setiap variable input red, green dan blue direpresentasikan dalam fungsi keanggotaan yang tampak dalam Gambar 9 sesuai dengan pola sebaran data masing-masing dengan menggunakan fungsi keanggotaan gaussian seperti pada Gambar 10. telur asin. Hasil pelatihan dari 2 kelas kualitas telur asin yaitu kualitas 1 dan 2 terbentuk 8 rule. Basis pengetahuan hasil pelatihan tampak dalam Gambar 11 dan diperoleh rule based sebanyak 8 rule seperti dalam Gambar 12. Gambar 11. Basis Pengetahuan Gambar 9. Arsitektur FIS Gambar 12 Rule Based Hasil Training Gambar 10. Fungsi Keanggotaan Citra Input Hasil pelatihan dari pemetaan variabel input dan output adalah basis pengetahuan yang ditulis menggunakan fuzzy if then yang digunakan dalam klasifikasi kualitas Pengujian dilakukan bertujuan untuk mengecek dan menguji apakah program yang dirancang sudah sesuai dengan tujuan yang diharapkan. Langkah awal pengujian adalah dengan melakukan validasi yaitu menggunakan data latih sebagai data uji terhadap FIS yang terbentuk. Hasil validasi menggunakan ANFIS seperti dalam Gambar 13 diperoleh bahwa semua citra uji yang dinyatakan dengan 79
8 node warna biru mempuyai nilai yang sama dengan node warna merah. Hasil pengujian diperoleh akurasi 100% namun terdapat 1 node hasil pengujian data latih yang sedikit berbeda nilainya dari data uji. Kondisi tersebut yang menyebabkan akurasi 100% namun masih terdapat average testing error Gambar 13. Plot hasil validasi User interface untuk klasifikasi kualitas telur asin terdiri dari beberapa menu sebagai berikut: set yaitu sebanyak 9 citra uji yang terdiri dari 7 citra telur asin kualitas 1 dan 2 citra telur asin kualitas 2. Pengujian memberikan akurasi sebesar 100% baik untuk citra telur asin kualitas 1 maupun citra telur asin kualitas 2. Hal ini menunjukkan bahwa sistem dapat membedakan telur asin kualitas 1 dan kualitas 2 dengan lebih tepat. Dibandingkan dengan hasil klasifikasi menggunakan transformasi LBP dan SVM yang menghasilkan akurasi 80% oleh Yosvine Monro (2013) maka klasifikasi menggunakan ANFIS diperoleh hasil yang lebih baik. Hasil pengujian dinyatakan dalam confussion matriks dalam Tabel 1. Tabel 1. Confussion Matriks hasil pengujian Kelas Kualitas 1 Kualitas 2 Kualitas Kualitas Gambar 14. Tampilan hasil klasifikasi citra telur kualitas 2 Dari validasi yang dilakukan diperoleh akurasi 100% untuk telur asin kualitas 1 dan 100% untuk telur asin kualitas 2. Dengan menggunakan basis pengetahuan yang telah terbentuk, dilakukan pengujian kinerja system menggunakan data uji. Data uji y ang digunakan sebanyak 20% dari data KESIMPULAN Dari peneltian yang telah dilakukan maka dapat diambil kesimpulan sebagai berikut : 1. Metode ANFIS dapat digunakan untuk klasifikasi kualitas telur asin berdasarkan warna kuning telur. 2. Sistem klasifikasi yang telah dirancang mampu melakukan klasifikasi kualitas citra telur asin secara destruktif berdasarkan rgb dengan akurasi 100%. Berdasarkan penelitian yang telah dilakukan diberikan saran saran sebagai berikut : 80
9 1. Penggunaan data latih dan data uji yang lebih banyak agar sistem lebih akurat 2. Melakukan klasifikasi secara non destruktif supaya telur asin tidak rusak DAFTAR PUSTAKA Badan Standarisasi Nasional,1996. SNI Telur Asin SNI Jakarta Kadir, Abdul dan Adhi Susanto Teori dan Aplikasi Pengolahan Citra. Yogyakarta:Andi Koswara.Sutrisno(2009). Teknologi Pengolahan Telur (Teori dan Praktek). Tersedia : [6 April 2015] System (ANFIS).Lokakarya Komputasi dalam Sains dan Teknologi Nuklir.BATAN. 12 Oktober 2012 Yosvine Monro, Shintya Klasifikasi Jenis dan Kualitas Telur Asin Berdasarkan Warna Kuning Telur Menggunakan Transformasi LBP (Local Binary Pattern) dan SVM (Support Vector Machine). Tugas Akhir. Bandung : Telkom University UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada LPPM Universitas Islam 45 Bekasi yang telah memberikan dana hibah penelitian internal tahun anggaran 2014/2015 untuk pelaksanaan penelitian ini. Kusumadewi,Sri.2002.Analisis Desain Sistem Fuzzy Menggunakan Toolbox Matlab.Yogyakarta:Graha Ilmu Munir, Rinaldi. 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Bandung: Informatika Naba,Agus Belajar Cepat Fuzzy Logic Menggunakan Matlab.Yogyakarta:Penerbit Andi. Whidhiasih,Retno Nugroho et all.2012.identifikasi Buah Belimbing Berdasarkan Citra Red Green Blue Menggunakan Adaptif Neuro Fuzzy Inference 81
Shintya Yosvine Monro¹, Bambang Hidayat², Ari Novianty³. ¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
KLASIFIKASI JENIS DAN KUALITAS TELUR ASIN BERDASARKAN WARNA KUNING TELUR MENGGUNAKAN TRANSFORMASI LBP (LOCAL BINARY PATTERN) DAN METODA SVM (SUPPORT VECTOR MACHINE) CLASSIFICATION KIND AND QUALITY OF SALTED
Lebih terperinciIDENTIFIKASI BUAH BELIMBING BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM (ANFIS)
IDENTIFIKASI BUAH BELIMBING BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM (ANFIS) Retno Nugroho Whidhiasih, Nursinta A.W., Supriyanto ABSTRAK IDENTIFIKASI BUAH BELIMBING
Lebih terperinciMODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 wanti.reiku@gmail.com Abstrak- Guru merupakan aspek
Lebih terperinciIDENTIFIKASI BUAH MANGGA GEDONG GINCU CIREBON BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM ABSTRACT ABSTRAK
Jurnal Penelitian Ilmu Komputer, System Embedded & Logic 5(1) : 12-20 (2017) IDENTIFIKASI BUAH MANGGA GEDONG GINCU CIREBON BERDASARKAN CITRA RED-GREEN-BLUE MENGGUNAKAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH MANGGA HARUMANIS MENGGUNAKAN METODE ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM) SKRIPSI.
IDENTIFIKASI KEMATANGAN BUAH MANGGA HARUMANIS MENGGUNAKAN METODE ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM) HALAMAN JUDUL SKRIPSI Disusun Oleh : MUHAMMAD IMAM SETIAJI 1203030015 PROGRAM STUDI TEKNIK
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 terperinci3.1.2 Analisis Kebutuhan... Error! Bookmark not defined Perancangan... Error! Bookmark not defined Pengujian... Error!
DAFTAR ISI LEMBAR PENGESAHAN... Error! Bookmark not defined. PERNYATAAN... Error! Bookmark not defined. ABSTRAK... Error! Bookmark not defined. ABSTRACT... ierror! Bookmark not defined. KATA PENGANTAR...
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciIDENTIFIKASI BERAS BERDASARKAN WARNA MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM ABSTRACT ABSTRAK
Jurnal Penelitian Ilmu Komputer, Sistem Embedded & Logic 5(2) : 51-59 (2017) IDENTIFIKASI BERAS BERDASARKAN WARNA MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Muhammad Gilang Alfianto, Retno Nugroho
Lebih terperinciIMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS
IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS Hendry Setio Prakoso 1, Dr.Eng. Rosa Andrie.,ST.,MT 2, Dr.Eng. Cahya Rahmad.,ST.,M.Kom 3 1,2 Teknik Informatika, Teknologi Informasi, Politeknik
Lebih terperinciBAB 3 ALGORITMA PERENCANAAN SISTEM PENGENALAN PENYAKIT DARAH
29 BAB 3 ALGORITMA PERENCANAAN SISTEM PENGENALAN PENYAKIT DARAH Skripsi ini membahas tentang perencanaan suatu program untuk pengenalan penyakit darah dari sampel citra darah yang digunakan. Data yang
Lebih terperinciSISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY
SISTEM IDENTIFIKASI CITRA JENIS KUNYIT (Curcuma Domestica Val.) MENGGUNAKAN METODE KLASIFIKASI MINKOWSKI DISTANCE FAMILY 1 Devi Puspita Sari (08018272), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik
Lebih terperinciBAB IV PEMBAHASAN. A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function
BAB IV PEMBAHASAN A. Hasil Model Radial Basis Function Neural Network (RBFNN) Langkah-langkah untuk menentukan model terbaik Radial Basis Function Neural Network (RBFNN) untuk diagnosis penyakit jantung
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah
BAB IV HASIL DAN PEMBAHASAN A. Data Sampel Sampel pengujian menggunakan sebanyak 1 buah sampel beras A, 7 buah sampel beras B, 1 buah sampel beras C, dan 2 buah sampel beras D. 1. Data Pengujian Mutu Beras
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat
BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011
Lebih terperinciJURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 31-40 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DATA RUNTUN WAKTU DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah sekumpulan peraturan, kegiatan, dan prosedur yang digunakan oleh pelaku suatu disiplin ilmu. Metodologi berisi tahapan-tahapan yang dilakukan
Lebih terperinci(Adaptive Neuro- akurasi 58,33% untuk 9 kelas output
BAB I PENDAHULUAN 1.1 Latar Belakang Tulisan tangan merupakan hasil dari pikiran bawah sadar manusia yang menggambarkan atau mencerminkan karakter kepribadian manusia. Ilmu yang mempelajari tentang tulisan
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 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 terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Sistem Prinsip kerja sistem yaitu dengan melakukan pengambilan data berupa foto fisik dari permukaan buah manggis kemudian melakukan sampling data
Lebih terperinciIdentifikasi Jenis Kayu Menggunakan Support Vector Machine Berbasis Data Citra
Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika Volume 3 Nomor 1 halaman 1-8 ISSN: 2089-6026 Identifikasi Jenis Kayu Menggunakan Support Vector Machine Berbasis Data Citra Wood Type
Lebih terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL BINARY PATTERN Zeth Pasongli (0222113) Jurusan Teknik Elektro Email: zeth_pasongli@yahoo.com ABSTRAK Pola pembuluh
Lebih terperinciKlasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor
Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor Puspa Rizky Trisnaningtyas 1, Maimunah 2 Program Studi Teknik Komputer Universitas Islam 45 Bekasi, Indonesia
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
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 I PENDAHULUAN. pensil berbentuk lurus, berwarna biru, dan berbahan kayu. Kedua objek ini
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan pola adalah penggambaran sesuatu berdasarkan sifat atau ciri dari sebuah objek. Penggambaran objek sangat berpengaruh terhadap sifat atau ciri yang memiliki
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 terperinciBAB III METODOLOGI PENELITIAN
3.1 Alat dan Bahan Penelitian BAB III METODOLOGI PENELITIAN 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: a. Hardware a. Prosesor : Intel Core i5-3230m CPU @ 2.60GHz b. Memori : 4.00 GB c.
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
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 terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciIDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET ABSTRAK
IDENTIFIKASI WAJAH SESEORANG BERDASARKAN CITRA BIBIR MENGGUNAKAN METODE EIGEN FUZZY SET Disusun oleh : Moriska Beslar 0422101 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH no.65,
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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN MODIFIED HAUSDORFF DISTANCE Daniel Halomoan (0822056) Jurusan Teknik Elektro Universitas Kristen Maranatha email: daniel170390@gmail.com
Lebih terperinciBAB III METODELOGI PENELITIAN. media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS)
BAB III METODELOGI PENELITIAN 3.1 Studi Literatur Untuk memehami cara rancang bangun pengontrol suhu dan kelembaban media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS) dibutuhkan studi
Lebih terperinciPERBANDINGAN DAN ANALISIS SUPPORT VECTOR MACHINE DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK KLASIFIKASI GENRE MUSIK
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 1662 PERBANDINGAN DAN ANALISIS SUPPORT VECTOR MACHINE DAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM UNTUK KLASIFIKASI GENRE MUSIK
Lebih terperinciIDENTIFIKASI PLAT NOMOR MOBIL MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)
IDENTIFIKASI PLAT NOMOR MOBIL MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Yudil Taufik Umar¹, Heroe Wijanto², Rita Magdalena³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Untuk kepentingan pengenalan
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciPREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PREDIKSI LUAS PANEN DAN PRODUKSI PADI DI KABUPATEN BANYUMAS MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Supriyanto 1, Sudjono 2, Desty Rakhmawati 3 ( 1,2. UNSOED Purwokerto, 3. STMIK
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 terperinciPREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo)
PREDIKSI CURAH HUJAN TAHUNAN MENGGUNAKAN ANFIS DENGAN PENGELOMPOKAN DATA (Studi Kasus Pada Stasiun Meteorologi Bandara Jalaluddin Gorontalo) Ifan Wiranto, Wahab Musa, Wrastawa Ridwan Jurusan Teknik Elektro
Lebih terperinciPenerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu niskaramadani@gmail.com ABSTRAK Pertumbuhan penduduk harus
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada era masa kini banyak hobi yang mulai dikembangkan menjadi bisnis. Hal ini merupakan pekerjaan yang akan sangat menguntungkan apabila ditekuni dengan baik. Salah
Lebih terperinciKLASIFIKASI TAHAP KEMATANGAN PISANG AMBON BERDASARKAN WARNA MENGGUNAKAN NAIVE BAYES
Jurnal Penelitian Ilmu Komputer, Sistem Embedded & Logic 5(2) : 60-67 (2017) KLASIFIKASI TAHAP KEMATANGAN PISANG AMBON BERDASARKAN WARNA MENGGUNAKAN NAIVE BAYES Dwi Yulianto, Retno Nugroho Whidhiasih,Maimunah
Lebih terperinciSolusi MATLAB. Double Click salah satu kotak input sehingga muncul Membership Function Editor. Pada Membership Function Editor:
PRAKTIKUM 2 Studi Kasus 2: Metode Sugeno Suatu perusahaan mampu memproduksi rata-rata 50.000 unit barang per hari, dan dalam 3 bulan terakhir permintaan tertinggi sebesar 75.000 unit. Barang yang tersedia
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 terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciBAB III. Sub Kompetensi :
BAB III CONTOH APLIKASI LOGIKA FUZZY MENGGUNAKAN MATLAB Kompetensi : 1. Mahasiswa memecahkan masalah rekayasa melalui pendekatan logika fuzzy. Sub Kompetensi : 1. Dapat menggunakan tahapan pemecahan masalah
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. fold Cross Validation, metode Convolutional neural network dari deep learning
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Prinsip Kerja Program P rinsip kerja program yaitu dengan melakukan pra pengolahan citra terhadap foto fisik dari permukaan buah manggis agar ukuran seluruh data
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Phalaenopsis atau yang biasa disebut dengan anggrek bulan mempunyai banyak jenis. Ada 26 jenis yang sudah dikenali di Indonesia. Anggrek dapat diklasifikasikan berdasarkan
Lebih terperinciJurnal String Vol.1 No.2 Tahun 2016 ISSN :
DETEKSI CACAT UBIN KERAMIK MENGGUNAKAN TEKNIK PENGOLAHAN CITRA DAN ADAPTIVE NEURAL FUZZY INFERENCE SYSTEM (ANFIS) Andri Program Studi Teknik Informatika, Universitas Indraprasta PGRI Email: andriecitra@gmail.com
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih 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 terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1725
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 1725 DETEKSI KUALITAS DAN KESEGARAN TELUR AYAM BERBASIS DETEKSI OBJEK TRANSPARAN DENGAN METODE DISCRETE COSINE TRANSFORM (DCT)
Lebih terperinciPredicting onion production through Neuro-Fuzzy to fulfill national demand
Jurnal Ilmiah ESAI Volume 8, No.1, Januari 2014 ISSN No. 1978-6034 Predicting onion production through Neuro-Fuzzy to fulfill national demand Prediksi Produksi Bawang Merah Dengan Metode Neuro-Fuzzy Dalam
Lebih terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL
MODEL EVALUASI KINERJA KARYAWAN DENGAN METODE FUZZY SUGENO PADA RESTO ABTL Fanisya Alva Mustika 1, Sutrisno 2 Program Studi Teknik Informatika, Universitas Indraprasta PGRI Jakarta 1,2 E-mail: alva.mustika@gmail.com
Lebih terperinciDETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI
DETEKSI NOMINAL MATA UANG DENGAN JARAK EUCLIDEAN DAN KOEFISIEN KORELASI Marina Gracecia1, ShintaEstriWahyuningrum2 Program Studi Teknik Informatika Universitas Katolik Soegijapranata 1 esthergracecia@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI DENGAN STRUKTUR ADAPTIVE NEURO-FUZZY
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB)
REALISASI PERANGKAT LUNAK UNTUK IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCAL LINE BINARY PATTERN (LLPB) Elfrida Sihombing (0922019) Jurusan Teknik Elektro Universitas
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 terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciMempelajari dasar-dasar teori dan mengumpulkan referensi yang berhubungan dengan batubara, jenis batubara, metode ekstraksi ciri Discrete Wavelet
BAB 1 PENDAHULUAN 1.1 Latar Belakang Batubara adalah bahan bakar fosil yang dapat terbakar, terbentuk dari endapan batuan organik yang terutama terdiri dari karbon, hidrogen dan oksigen. Batubara terbentuk
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini mengambil tempat di Universitas Muhammadiyah Yogyakarta yang berlokasi di Jl. Lingkar Selatan, Kasihan, Bantul, Daerah Istimewa
Lebih terperinciDesain sistem Analisis sistem Implementasi sistem Pemeliharaan Sistem HASIL DAN PEMBAHASAN Investigasi sistem
5 akuisisi pengetahuan untuk pengambilan keputusan berdasarkan gejala klinis dan gejala yang bersifat fuzzy, serta pembuatan fuzzy inference system (FIS). Dalam pembutan FIS, dinakan representasi fungsi
Lebih terperinciSISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Phone:
SISTEM CERDAS LATIHAN FUZZY LOGIC Dr. Fatchul Arifin, ST., MT. Email: fatchul@uny.ac.id Phone: +6285725125326 Latihan 1 Fuzzy If Then Rule 1. Dasar Teori If then Rules If then Rules digunakan untuk menyatakan
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciSISTEM IDENTIFIKASI KODE TANGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN BACKPROPAGATION
SISTEM IDENTIFIKASI KODE TANGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN BACKPROPAGATION Holisah, Prihastuti Harsani dan Arie Qur ania holisah62@gmail.com Jurusan Ilmu Komputer, Fakultas Matematika
Lebih terperinciAPLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr
APLIKASI PENGOLAHAN CITRA MENDETEKSI KUALITAS CABAI BERDASARKAN TINGKAT KEMATANGAN MENGGUNAKAN TRANSFORMASI WARNA YCbCr 1 Indra Dwi Ananto (09018107), 2 Murinto (0510077302) 1,2 Program Studi Teknik Informatika
Lebih terperinciDeteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation
Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation Tri Deviasari Wulan 1, Endah Purwanti 2, Moh Yasin 3 1,2 Program Studi Fisika Fakultas Sains dan Teknologi
Lebih terperinciSKRIPSI SEGMENTASI PEMBULUH DARAH PADA CITRA FUNDUS RETINA MATA DENGAN ALGORITMA FILTER GABOR. Oleh: NUR AHMAD FAUZAN
SKRIPSI SEGMENTASI PEMBULUH DARAH PADA CITRA FUNDUS RETINA MATA DENGAN ALGORITMA FILTER GABOR Oleh: NUR AHMAD FAUZAN 2011-51-084 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH GELAR SARJANA
Lebih terperinciBAB 3 PERANCANGAN SISTEM. mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan oleh
23 BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras Perangkat keras yang digunakan dalam sistem kali ini berupa rancangan untuk mendapatkan input, melakukan proses, dan menghasilkan output yang diinginkan
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
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 terperinciAPLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
APLIKASI PENGENALAN DAUN UBI JALAR UNTUK JENIS UBI JALAR UNGU, MERAH, PUTIH DAN KUNING MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM
IDENTIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR SCALE INVARIANT FEATURE TRANSFORM (SIFT) Vikri Ahmad Fauzi (0722098) Jurusan Teknik Elektro email: vikriengineer@gmail.com
Lebih terperinciPENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
PENGENALAN POLA MARGINS TULISAN TANGAN UNTUK MENGIDENTIFIKASI KARAKTER SESEORANG MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) Adiatandy Geovani (0722091 ) Jurusan Teknik Elektro email: adiatandy.mail@gmail.com
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pengumpulan dan Praproses Data Kegiatan pertama dalam penelitian tahap ini adalah melakukan pengumpulan data untuk bahan penelitian. Penelitian ini menggunakan data sekunder
Lebih terperinciImplementasi Model Adaptive Neuro-Fuzzy Inference System (ANFIS) Dalam Menentukan Penilaian Kinerja Karyawan
Implementasi Model Adaptive Neuro-Fuzzy Inference System (ANFIS) Dalam Menentukan Penilaian Kinerja Karyawan Anik Sri Wahyuningsih Jurusan Teknik Informatika Sekolah Tinggi Manajemen Informatika dan Kompiter
Lebih terperinciPERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION
PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,
Lebih terperinciPengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2)
Pengenalan Telur Berdasarkan Karakteristik Warna Citra Yustina Retno Wahyu Utami 2) ISSN : 1693 1173 Abstrak Pengenalan obyek pada citra merupakan penelitian yang banyak dikembangkan. Salah satunya pengenalan
Lebih terperinciPraktikum 10 Tim Asisten Praktikum Sistem Pakar
FUZZY LOGIC TOOLBOX IN MATLAB (MAMDANI) Praktikum 10 Tim Asisten Praktikum Sistem Pakar EXAMPLE Studi Permasalahan: Suatu Perusahaan akan melakukan perkiraan terhadap produksi suatu barang tiap bulan.
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 terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciBAB III METODE PENELITIAN. Bab ini berisi penjelasan mengenai metode penelitian, jenis dan sumber data
BAB III METODE PENELITIAN Bab ini berisi penjelasan mengenai metode penelitian, jenis dan sumber data penelitian, teknik pengumpulan data, teknik analisis data dan desain penelitian. A. Metode Penelitian
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Perkembangan multimedia saat ini sangat cepat. Dengan multimedia, pengguna dapat menyerap informasi dengan lebih mudah, sehingga pemilihan informasi yang tepat menjadi penting. Pemilihan informasi
Lebih terperinci