DETEKSI GAMBAR RAMBU LALU LINTAS DENGAN ALGORITMA JARINGAN SYARAF TIRUAN
|
|
- Agus Tanudjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 DETEKSI GAMBAR RAMBU LALU LINTAS DENGAN ALGORITMA JARINGAN SYARAF TIRUAN Rr. Octanty M. 1,Dzuratul U. 2, SayyidinaAuliya 3, Anastasia C.U. 4, M. Hilman Fatah 5, Shelani M. 6 Program Studi Teknik Informatika, Universitas Brawijaya oxtanz@gmail.com, aulia.zurra@gmail.com, sayyidinaauliya94@gmail.com, anastasia.tarigan92@gmail.com,mhilmanfatah@gmail.com,shelaaja32@gmail.com ABSTRAK Keselamatan dan ketertiban berkendara menjadi hal yang sangat penting bagi pengguna lalu lintas. Untuk itu rambu lalu lintas menjadi hal yang wajib dipatuhi oleh semua pengguna jalan raya.kenyataannya, saat berkendara ada banyak rambu lalu lintas yang sudah tidak layak untuk dipasang sehingga menyebabkan ketidaktahuan para pengendara yang dapat mengakibatkan kecelakaan dan pelanggaran lalu lintas. Hal ini tentu akan merugikan orang lain. Dengan berkembangnya teknologi, maka dibutuhkan suatu teknologi auto pilot system pada kendaraan, yang dapat mendeteksi rambu lalu lintas secara cepat dan akurat dan memperingatkan pengendara akan informasi tentang rambu lalu lintas yang akan dilewati. Pendeteksian ini dilakukan dengan mengidentifikasi warna, bentuk, dan pola rambu lalu lintas. Pada deteksi rambu lalu lintas ini digunakan algoritma Neural Network (Jaringan Syaraf Tiruan). Dengan adanya pendeteksian rambulalu lintas ini, diharapkan sistem dapat mendeteksi jenis rambu yang ditangkap kamera secara cepat dan tepat, agar dapat membantu pengguna lalu lintas. Kata kunci: Rambu lalu lintas, Deteksi,Jaringan Syaraf Tiruan ABSTRACT Safety and orderliness driving becomes very important for the traffic user. For that traffic signs should be the main obligation for all of road users. In fact,while driving there is a lot of traffic signs that are not worthy to be installed, causing the rider ignorance that can lead to accidents and violations then this would be harm others.with the development of technology, it is needed an auto-pilot system technology on vehicles, which can detect traffic signs quickly and accurately and warn motorists of traffic information signs to be skipped.detection is done by identifying colors, shapes, and patterns of cross road signs. For the traffic sign detection algorithm, it is used artificial neural networks. With the detection of traffic signs, it is hope that system can detect the type of signs that the camera can be captured quickly and accurately, in order to help the user of traffic road. Keyword : Traffic Sign, Detection, Neural Network
2 1 PENDAHULUAN 1.1 Latar Belakang Keselamatan menjadi hal utama bagi pengguna lalu lintas. Sehingga untuk ketertiban dan keamanan saat berkendaraan, rambu lalu lintas menjadi hal yang wajib dipatuhi oleh semua pengguna jalan raya. Kenyataannya, saat kita berkendara, ada banyak rambu lalu lintas yang sudah tidak layak untuk dipasang sehingga menyebabkan ketidaktahuan para pengendara yang dapat mengakibatkan kecelakaan atau pelanggaran lalu lintas. Hal ini tentu akan merugikan orang lain dengan meningkatkan resiko kecelakaan. Dengan seiring berkembangnya kemajuan teknologi, muncul ide yang berkembang tentang sistem auto-pilot, dimana kendaraan dapat mengenali rambu-rambu lalu lintas dengan membuat sistem peringatan rambu rambu lalulintas pada kendaraan tersebut. Dengan mengenali tanda rambu rambu lalu-lintas diharapkan kendaraan bisa memberikan informasi kepada pengemudi mengenai ramburambu yang ada disekitarnya, sehingga dapat mengurangi pelanggaran lalu lintas yang tidak disengaja. Untuk itu, maka dibutuhkan suatu sistem yang berupa sebuah mesin komputer dan kamera yang diletakkan pada kendaraan. Kamera digunakan untuk menangkap gambar-gambar rambu lalu lintas yang ada di sekitar kendaraan. Peletakan kamera dapat didesain sesuai dengan arah mana yang ingin ditangkap gambarnya. Komputer digunakan sebagai suatu mesin yang dapat mengolah data gambar dari kamera dan pada akhirnya mengenali rambu rambu lalu lintas yang ada disekitarnya. Proses pendeteksian gambar rambu rambu lalu-lintas dilakukan dengan memanfaatkan ciri atau fitur yang ada pada gambar tersebut yang terlihat dominan dengan menggunakan algoritma jaringan syaraf tiruan. Dengan adanya pendeteksian rambu lalu lintas ini, diharapkan sistem dapat mendeteksi jenis rambu yang ditangkap kamera secara cepat dan tepat, agar dapat membantu pengguna lalu lintas. 1.2 Tujuan Penelitian Rambu-rambu lalu lintas menjadi hal yang penting saat berkendara, tak pelak ini sebagai arahan dan pedoman para pengemudi untuk menjalankan kendaraannya dengan baik dan benar. Maka dari itu kami melakukan penelitian tentang rambu lalu lintas dengan menggunakan metode jaringan saraf tiruan. Jaringan saraf tiruan adalah sebuah metode yang digunakan untuk mempertahankan kualitas suatu gambar. Penelitian ini dimaksudkan agar simbol-simbol rambu lalu lintas yang ada di jalan tetap mempunyai kualitas yang baik serta dapat teridentifikasi secara benar. Prinsip metode ini adalah membandingkan antara image objek yang akan dikenali dengan image template yang ada. Image objek yang akan dikenali mempunyai tingkat kemiripan sendiri terhadap masing-masing image template. Pengenalan dilakukan dengan melihat nilai tingkat kemiripan tertinggi dan nilai batas ambang pengenalan dari image objek tersebut. Bila nilai tingkat kemiripan berada di bawah nilai batas ambang maka image objek tersebut dikategorikan sebagai objek yang tidak dikenal. 1.3 Rumusan Masalah Pengidentifikasian simbol-simbol rambu lintas tidaklah mudah. Banyak kendala yang dihadapi dalam penelitian ini. Salah satunya ialah penentuan titik posisi lokasi gambar yang dapat menjelaskan hasil konkret dari simbol tersebut. Metode jaringan saraf tiruan adalah salah satu metode terapan dari teknik konvolusi. Metode jaringan saraf tiruan sering digunakan untuk mengidentifikasi citra dari arah simbol dan bentuk-bentuk dari simbol tersebut. JST disusun oleh elemen elemen pemroses yang berada pada lapisan-lapisan yang berhubungan dan diberi bobot[3]. Dengan serangkaian inputan diluar sistem yang diberikan kepadanya jaringan ini dapat memodifikasi bobot yang akan dihasilkannya, sehingga akan menghasilkan output yang konsisten sesuai dengan input yang diberian kepadanya. Setiap elemen pemroses akan melaksanakan operasi matematika yang sudah ditentukan dan menghasilkan (hanya) sebuah harga keluaran dari satu ataupun banyak masukan.penelitian yang didasarkan dengan menggabungkan jaraf saraf tiruan dan grayscale dari suatu citra ini kadang-kadang menimbulkan eror dalam membaca citra dalam menyimpulkan
3 suatu simbol yang diinginkan. Permasalahannya terdapat pada rusaknya suatu simbol ramburambu tersebut yang dapat mengubah hasil pendeteksian dari simbol tersebut, maka dari itu kami akan mencoba melatih dari beberapa simbol-simbol dan tidak hanya dari satu simbol. Maka dari itu kami akan menggunakan metode jaringan saraf tiruan yang dapat diandalkan. Dari sejumlah penelitian diatas, maka dapat disimpulkan bahwa metode jaringan saraf tiruan memiliki karakteristik antara lain: 1. Relatif mudah untuk diaplikasikan dalam teknik pengolahan citra digital. 2. Hasilnya relatif sangat akurat karena mendeteksi kesalahan hingga ukuran piksel. 3. Walaupun demikian, metode ini cukup rentan terhadap perbedaan orientasi antara citra acuan (jaringan saraf tiruan) dengan citra yang akan diidentifikasi, yang meliputi : ukuran, posisi dan kualitas citra. 4. Untuk mendapatkan hasil yang maksimal maka metode ini sangat tergantung pada teknik pengolahan citra digital yang lain seperti enhacement, filtering, dll. Sistematika penulisan makalah ini adalah sebagai berikut. 1. Tinjauan pustaka tentang Jaringan Saraf Tiruan disajikan pada Bagian Metodologi penelitian yang dilakukan disajikan pada Bagian Hasil dan pembahasan disajikan pada Bagian Kesimpulan disajikan pada Bagian 5 2 LANDASAN TEORI 2.1 Tinjauan Pustaka Jaringan Saraf Tiruan (JST) merupakan suatu sistem yang berperan dalam pemrosesan informasi dan memiliki karakteristik yang sama dengan jaringan saraf manusia. JST terinspirasi atas jaringan saraf manusia dan tersusun atas elemen-elemen yang telah disesuaikan sehingga berfungsi layaknya elemen pada jaringan saraf manusia[4]. Suatu sistem JST terdiri dari 3 komponen utama antara lain arsitektur JST, training method/learning algorithm, dan fungsi aktivasi. 3 METODOLOGI PENELITIAN 3.1 Rancangan Penelitian Fokus utama pada penelitian ini adalah pengenalan pola rambu lalu lintas dengan menggunakan JST metode back propagation. Pada intinya, pelatihan dengan metode back propagation yang terdapat dalam tahap training terdiri atas tiga langkah, yaitu : data dimasukkan ke input jaringan (feedforward), perhitungan dan propagasi balik dari error yang bersangkutan, pembaharuan (adjustment) bobot dan bias[1]. Pada tahap pengenalan terjadi pemrosesan data citra yang terdiri atas: load image (citra asli), melakukan konversi citra ke grayscale, mengubah grayscale menjadi citra biner (hitam putih), kemudian selanjutnya mengubah ukuran image (resize) dan mengambil data biner dari citra yang dihasilkan, tahap terakhir adalah tahap pengenalan rambu Implementasi Fitur Pada implementasi perangkat lunak pengenalan rambu lalu lintas akan di jelaskan setiap tahap dari proses dengan menampilkan form-form yang di buat. 3.2 Instrumen Penelitian Tahapan yang ditempuh dalam penelitian ini mencakup langkah-langkah sebagai berikut: Training Set Training set merupakan data yang digunakan untuk pembelajaran pada algoritma JST. Di dalam training set terdapat 3 atribut yaitu nama file, kelas, dan num. Dimana nama file adalah citra/image tanda tangan, kelas adalah target pengenalan, dan num adalah bentuk input yang dinormalisasi dalam range 0-1. Num merupakan representasi dari kelas, dimana num merupakan increment dari 1/(jumlah training set 1) dimulai dengan 0. Sebagai contoh, jika terdapat 3 training set, maka num adalah 0, 0.5, dan 1. Jika terdapat 6 training set, maka num adalah 0, 0.2, 0.4, 0.6, 0.8, dan 1, dst. Sebelum proses training, dilakukan inisialisasi bobot dan bias, dimana bobot merupakan array 255 elemen dengan bobot acak antara -0.5 hingga 0.5. Bias juga
4 diinisialisasi dengan nilai acak -0.5 hingga 0.5. Pada proses training terdapat learning rate dan epoch yang berpengaruh pada perubahan bobot, pada back propagation ada terdapat 3 bagian di dalamnya yaitu forward phase, backward phase, dan weight update Pengenalan Tahap pengenalan merupakan tahap dimana terjadi pemrosesan data citra, adapun tahapannya adalah sebagai berikut : 1. Load Image (citra asli) Pengambilan image sebuah tanda tangan.format citra asli merupakan citra berwarna. Format yang dapat digunakan dalam program ini berekstensi *.bmp, *.jpg 2. Melakukan konversi citra ke grayscale Grayscale merupakan proses untuk mengubah citra menjadi bentuk derajat keabuan. Digunakan untuk memenuhi proses selanjutnya yaitu threshold. Citra digital yang sebelum diproses berwarna, harus dirubah dulu menjadi citra grayscale untuk memudahkan proses threshold. 3. Mengubah grayscale menjadi citra biner (hitam putih) Mengubah citra berderajat keabuan menjadi citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk obyek dan background dari citra secara jelas. 4. Resize citra Langkah selanjutnya dari metode ini adalah meresize citra menjadi citra berukuran 15 x 15 pixel. Perubahan ukuran ini dimaksudkan agar citra menjadi seukuran saat dilakukan konversi ke dalam bentuk array yang berukuran 255 elemen atau sama dengan 15 x 15 elemen. 5. Konversi ke dalam bentuk array Citra yang berukuran 15 x 15 pixel diubah ke dalam bentuk data array dengan cara menelusuri tiap pixel citra dan memasukkan nilai 0 ke dalam array jika warna = 0 dan memasukkan nilai 1 ke dalam array jika warna = 255. Contoh data: Data tersebut akan dijadikan data input untuk proses pengenalan. 6. Pengenalan Rambu Tahap pengenalan data dengan melakukan proses forward phase dengan input dari citra yang telah diubah ke dalam bentuk array. Setelah melalui forward phase, maka dilakukan perhitungan error output (backward phase) dengan memasukkan masing-masing Num, dan dicari error terkecil.error terkecil dipilih sebagai kelas yang diambil[2]. 4 HASIL DAN PEMBAHASAN Pengujian terhadap algoritma yang diusulkan (Jaringan Saraf Tiruan) dilakukan dengan menggunakan Microsoft Visual Studio yang dijalankan pada PC. Citra rambu petunjuk lalu lintas diambil dengan kamera digital dari sembilan belas lokasi yang berbeda, dan dengan bentuk rambu yang berbeda-beda. Empat dari citra rambu, yang terdiri dari empat nama rambu digunakan sebagai data training, yaitu rambu dilarang parkir, rambu dilarang belok kanan, rambu penyeberangan, serta rambu dilarang masuk. Pengambilan citra dilakukan pada siang hari, dengan tingkat pencahayaan berbeda-beda bergantung pada tempat pengambilan citra [5]. Proses yang dilakukan pada sistem terbagi menjadi dua, yaitu proses Training dan Proses pengenalan rambu. a. Proses Training Data yang akan ditraining dipilih dari citra yang sudah didapat. Kondisi Citra rambu yang dipilih untuk di di training ialah citra rambu dalam kondisi yang baik, dalam artiannya baik pada kondisi rambu itu sendiri
5 (tidak dalam keadaan rusak), dengan tingkat pencahayaan yang baik, dan tidak dalam kondisi yang miring. Agar proses training dapat berjalan dengan benar, dan sistem dapat mengenali data citra dengan mudah, karena data training ini nantinya akan menjadi referensi bagi data uji. Terdapat Empat dari citra rambu, yang digunakan sebagai data training, yaitu rambu dilarang parkir, rambu dilarang belok kanan, rambu penyebrangan, serta rambu dilarang masuk. Data Data Uji Total Akurasi Train 100% 73,33% 86,65% Tabel 1. Tabel Akurasi Keberhasilan Ket: Untuk data train dari empat data yang ada, maka pada data tersebut diolah untuk data pengujian. Untuk data uji, dari 15 data uji yang ada terdapat, 4 data yang tidak cocok dengan data pengujian Dari hasil pengujian yang telah dilakukan terlihat bahwa penerapan mekanisme metode jaringan saraf tiruan mampu melakukan deteksi citra rambu yang akurat. Contoh screenshoot hasil pengujian program di tunjukkan pada gambar.2 dibawah ini: Gambar.1 Proses training pada program Dari hasil training dari empat training set, pada program yang ditunjukkan pada gambar.1, didapatkan hasil learning rate sebesar 0.1 dan Epoch sebesar 100. Serta di dapatkan num 0, 0.33, 0.67, dan 1. Dengan urutan rambu dilarang Belok Kanan, Rambu Dilarang Masuk, Rambu Dilarang Parkir, dan Rambu Penyebrangan. Setelah Proses Training selesai, kita lanjutkan ke proses pengenalan rambu. b. Proses Pengenalan Rambu Proses pengenalan Rambu dibagi menjadi 2, yakni proses pengenalan rambu yang dilakukan pada empat data latih, dan pengenalan rambuyang dilakukan pada lima belas data uji. Tabel dibawah ini menunjukan hasil tingkat keberhasilan dari data latih yang dikenali melalui proses pengenalan rambu. Gambar.2 Hasil deteksi citra rambu 5 KESIMPULAN Berdasarkan hasil-hasil yang telah dicapai selama perencanaan, pembuatan dan pengujian proyek akhir ini maka dapat disimpulkan sebagai berikut : 1. Sistem bekerja dengan setting range : learning rate (laju belajar) sebesar 0,1, jangkauan epoch (looping) sebanyak Rasio dengan tingkat keberhasilan yang dihasilkan oleh sistem adalah 86,65 %. 3. Rasio tingkat kegagalan yang dihasilkan oleh sistem dalam mengenali referensi adalah 26,67%. Kegagalan tersebut terjadi karena adanya faktor-faktor yang
6 mempengaruhi, diantaranya adalah keadaan citra rambu yang tidak baik atau cacat, tingkat kemiringan citra rambu, serta tingkat pencahayaan. 6 DAFTAR PUSTAKA [1] Ari Bowo, Ajie. Analisis Detifikasi Tepi Untuk Mengidentifikasi Pola Daun. Diunduh tanggal 5 Januari 2013, Ariwibowo.pdf [5] Elizabeth.Pengembangan Sistem Identifikasi Biometrik Wajah Menggunakan Metode Neural Network dan Pattern Maching. Diunduh tanggal 5 Januari 2013, R Pengembangan%20sistem-HA.pdf [2] Andriawan, Alan. Aplikasi Pengenal Plat Mobil Dengan Metode BP. Diunduh tanggal 5 Januari 2013, fst08.web.unair.ac.id/artikel_detail Umum- Bagian%20Awal%20Aplikasi%20Pengenal%20 Plat%20Mobil%20Dengan%20Metode%20BP.h tml [3] Tim Pengajar Universitas Sumatera Utara. Landasan Teori. Diunduh tanggal 5 Januari 2013, /4/Chapter%20II.pdf [4] Herriyance. Neural Network (Jaringan Saraf Tiruan). Diunduh tanggal 5 Januari 2013,
BAB 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 terperinciPenggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah
Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
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 terperinciIDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION
IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih 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 I PENDAHULUAN 1.1. Latar belakang 1.2. Perumusan Masalah
BAB I PENDAHULUAN 1.1. Latar belakang Salah satu implementasi di bidang komputer yang ditampilkan pada ciri kendaraan saat ini atau masa datang adalah proses Computer Vision Image Processing (CVIP), maksudnya
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK MENGENALI MOTIF BATIK Fany Hermawan Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : evan.hawan@gmail.com
Lebih terperinciIMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL
IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak
Lebih 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 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 terperinciPenerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6
Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6 Sari Indah Anatta Setiawan SofTech, Tangerang, Indonesia cu.softech@gmail.com Diterima 30 November 2011 Disetujui 14 Desember 2011
Lebih terperinciPERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,
Lebih terperinciPEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER
PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM Program aplikasi ini dirancang dengan menggunakan perangkat lunak Microsoft Visual C# 2008 Express Edition. Proses perancangan menggunakan pendekatan Object Oriented
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Rancangan antarmuka (interface) program terdiri dari form cover, form
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Rancangan Antarmuka (interface) Program Rancangan antarmuka (interface) program terdiri dari form cover, form testing dan form training (untuk programer). 4.1.1
Lebih terperinci1 BAB I PENDAHULUAN. Pengajaran yang diperoleh dari sekolah adalah pengenalan dan pemahaman akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Sejak lahir, balita masih belum mengenal apapun yang dilihatnya. Dalam pertumbuhannya, balita mulai dapat mengenali sesuatu. Proses pengenalan pada balita dengan
Lebih terperinciPengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan
Pengenalan Aksara Lampung Menggunakan Jaringan Syaraf Tiruan Adhika Aryantio School of Electrical Engineering and Informatics Institute Technology of Bandung 10th Ganeca Street Bandung, Indonesia. Adhikaaryantio.x6@gmail.com
Lebih terperinciRANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON
RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON Liza Afriyanti Laboratorium Komputasi dan Sistem Cerdas Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas Islam
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
32 BAB III ANALISIS DAN PERANCANGAN Pada bab ini akan dibahas tentang analisis sistem melalui pendekatan secara terstruktur dan perancangan yang akan dibangun dengan tujuan menghasilkan model atau representasi
Lebih terperinciDETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1
DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION Nasep Muhamad Ramdan (0522135) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg.
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciImplementasi Metode Neural Network Pada Perancangan Pengenalan Pola Plat Nomor Kendaraan
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Metode Neural Network Pada Perancangan Pengenalan Pola Plat Nomor Kendaraan Putu Kussa Laksana Utama 1,2
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 terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
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 terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di Laboratorium Pemodelan Fisika, Jurusan Fisika, Fakultas Matematika dan Ilmu
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
PENGENALAN PLAT NOMOR KENDARAAN DALAM SEBUAH CITRA MENGUNAKAN JARINGAN SARAF TIRUAN Decy Nataliana [1], Sabat Anwari [2], Arief Hermawan [3] Jurusan Teknik Elektro Fakultas Teknologi Industri Institut
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciAplikasi Jaringan Saraf Tiruan Sebagai Penterjemah Karakter Braille Ke Bentuk Abjad
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Aplikasi Jaringan Saraf Tiruan Sebagai Penterjemah
Lebih terperinciBAB III METODE PENELITIAN. menjawab segala permasalahan yang ada dalam penelitian ini.
BAB III METODE PENELITIAN Pada bab ini akan dijelaskan bahan yang digunakan dalam membantu menyelesaikan permasalahan, dan juga langkah-langkah yang dilakukan dalam menjawab segala permasalahan yang ada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Biometrik adalah salah satu teknologi cangih yang banyak dipakai untuk menjadi bagian dari system keamanan di berbagai bidang. Biometrik ini bahkan sudah digunakan
Lebih terperinciBAB 1 PENDAHULUAN. Sistem penglihatan manusia merupakan suatu system yang sangat kompleks,
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG PERMASALAHAN Sistem penglihatan manusia merupakan suatu system yang sangat kompleks, tetapi sangat dapat diandalkan. Sistem ini memberikan sarana pengenalan obyek yang
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK [1] Meishytah Eka Aprilianti, [2] Dedi Triyanto, [3] Ilhamsyah [1] [2] [3] Jurusan Sistem Komputer, Fakultas
Lebih terperinciPENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK
PENGENALAN HURUF DAN ANGKA PADA CITRA BITMAP DENGAN JARINGAN SARAF TIRUAN METODE PROPAGASI BALIK Naskah Publikasi disusun oleh Zul Chaedir 05.11.0999 Kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Lebih terperinciBAB 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 terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Plat nomor kendaraan bermotor merupakan ciri atau tanda pengenal suatu kendaraan yang diberikan oleh kepolisian. Setiap plat nomor kendaraan memiliki kombinasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Pengenalan Pola Pengenalan pola adalah suatu ilmu untuk mengklasifikasikan atau menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
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 terperinciArchitecture Net, Simple Neural Net
Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman
BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Antar Muka Implementasi antar muka dalam tugas akhir ini terdiri dari form halaman judul perangkat lunak, form pelatihan jaringan saraf tiruan, form pengujian
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada masa sekarang ini komputer memiliki peran yang cukup besar dalam membantu menyelesaikan pekerjaan manusia. Seiring dengan perkembangan teknologi dan kecerdasan
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 Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola
Lebih terperinciIMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI
IMPLEMENTASI ALGORITMA PERCEPTRON UNTUK PENGENALAN POLA MASUKAN BINER MAUPUN BIPOLAR MENGGUNAKAN BORLAND DELPHI Andi Harmin Program Studi : Teknik Komputer STMIK Profesional Makassar andiharmin1976@gmail.com
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciSKRIPSI RAYMOND P.H. SIRAIT
PERANGKAT LUNAK CAPTURE PLAT NOMOR POLISI MOBIL DENGAN ALGORITMA JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION DAN BACK PROPAGATION BERBASIS IP CAMERA SKRIPSI RAYMOND P.H. SIRAIT 071401040 PROGRAM
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 terperinciPENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION
PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro
Lebih terperinciEKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Angga Sukma Prinata 3 Adiwijaya 12 Departemen Teknik Informatika
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang revelan dengan penelitian yang akan. antara metode Kohonen Neural Network dengan metode Learning ng Vector
BAB II TINJAUAN PUSTAKA Pada Bab ini akan menjelaskan tentang teori-teori o i serta hasil penelitian yang revelan dengan penelitian yang akan an dilakukan. an. A. Tinjauan an Pustaka Prabowo, o, Sarwoko
Lebih terperinciModel Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciPENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN. Disusun oleh : Mario Herryn Tambunan ( )
PENGENALAN HURUF TULISAN TANGAN BERBASIS CIRI SKELETON DAN STATISTIK MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun oleh : Mario Herryn Tambunan (1022056) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB 1 PENDAHULUAN. dengan proses pengolahan citra digital (digital image processing), dimana data berupa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada awalnya, komputer hanya dapat digunakan untuk melakukan pemrosesan terhadap data numerik. Tetapi pada sekarang ini, komputer telah membawa banyak perubahan dan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Penentuan Masalah Penelitian Masalah masalah yang dihadapi oleh penggunaan identifikasi sidik jari berbasis komputer, yaitu sebagai berikut : 1. Salah satu masalah dalam
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciIDENTIFIKASI AWAL PLAT NOMOR MOBIL MENGGUNAKAN PROGRAM KONVENSIONAL SEBAGAI LANGKAH AWAL PENGGUNAAN JARINGAN SARAF TIRUAN
IDENTIFIKASI AWAL PLAT NOMOR MOBIL MENGGUNAKAN PROGRAM KONVENSIONAL SEBAGAI LANGKAH AWAL PENGGUNAAN JARINGAN SARAF TIRUAN Soegianto Soelistiono, Ardan Listya Romdhoni Departemen Fisika Fakultas Sains dan
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION Disusun oleh: Togu Pangaribuan 0722087 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg. Suria Sumantri, MPH No. 65, Bandung
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciAnalisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.11, No.1, Februari 2017 ISSN: 0852-730X Analisis Jaringan Saraf Tiruan Model Perceptron Pada Pengenalan Pola Pulau di Indonesia Muhammad Ulinnuha
Lebih terperinciTemplate Matching Integral Proyeksi untuk Pengenalan Rambu Lalu Lintas Integral Projection Template Matching for Traffic Sign Recognition
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 45 Template Matching Integral Proyeksi untuk Pengenalan Rambu Lalu Lintas Integral Projection Template Matching for Traffic Sign Recognition Muhammad
Lebih terperinciKlasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan
JURNAL TEKNIK POMITS 1-7 1 Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan Dhita Azzahra Pancorowati, M. Arief Bustomi Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciAPLIKASI PENGENALAN RAMBU LALU LINTAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) DAN LEARNING VECTOR QUANTIZATION (LVQ)
APLIKASI PENGENALAN RAMBU LALU LINTAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) DAN LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI Disusun Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sel Darah Merah Sel darah merah atau eritrositmemiliki fungsi yang sangat penting bagi kelangsungan hidup manusia. Sel darah merah mengandung hemoglobin yang berfungsi untuk
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Fenomena masyarakat dalam berlalu lintas terutama mengerti dan menaati rambu lalu lintas sekarang ini semakin berkurang, karena hal inilah banyak sekali kecelakaan
Lebih terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinci1.2 Rumusan Masalah Berdasarkan latar belakang yang telah dibuat diatas, rumusan masalah yang dapat diambil adalah :
BAB I PENDAHULUAN 1.1 Latar Belakang Tanda tangan adalah sebuah bentuk khusus dari tulisan tangan yang mengandung karakter khusus dan bentuk-bentuk tambahan yang sering digunakan sebagai bukti vertifikasi
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dibidang transportasi darat khususnya kendaraan bermotor, semakin membantu masyarakat penggunanya, sehingga menjadikan kendaraan bermotor sebagai
Lebih terperinciMILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Beberapa tahun belakangan ini, jaringan syaraf tiruan telah berkembang dengan pesat. Berbagai aplikasi telah memanfaatkan jaringan syaraf tiruan dalam penerapannya,
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Penerapan Jaringan Syaraf Tiruan Untuk Estimasi Needs
Lebih terperinciBAB I PENDAHULUAN. Dalam bab ini membahas latar belakang, rumusan masalah, tujuan dari tugas akhir, batasan-batasan masalah, dan metodologi.
BAB I PENDAHULUAN Dalam bab ini membahas latar belakang, rumusan masalah, tujuan dari tugas akhir, batasan-batasan masalah, dan metodologi. 1.1 Latar belakang Perkembangan teknologi pengolahan citra sekarang
Lebih terperinciPENGENALAN RAMBU LALU LINTAS MENGGUNAKAN METODE TEMPLATE MATCHING INTEGRAL PROYEKSI
PENGENALAN RAMBU LALU LINTAS MENGGUNAKAN METODE TEMPLATE MATCHING INTEGRAL PROYEKSI Muhammad Sofi i 1, Edy Mulyanto 2 1,2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl.Nakula
Lebih terperinciSIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )
SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION ) Fachrul Kurniawan, Hani Nurhayati Jurusan Teknik Informatika, Sains dan Teknologi Universitas Islam Negeri (UIN) Maulana Malik
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
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 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 terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengenalan pola (pattern recognition) dapat diartikan sebagai proses klasifikasi dari objek atau pola menjadi beberapa kategori atau kelas. Dan bertujuan untuk pengambilan
Lebih terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciPengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation
Pengembangan Aplikasi Pengenalan Karaketer Alfanumerik Dengan Menggunakan Algoritma Neural Network Three-Layer Backpropagation Andi Wahju Rahardjo Emanuel, Arie Hartono Jurusan S1 Teknik Informatika Fakultas
Lebih terperinciPENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION
PENGENALAN KARAKTER ALFANUMERIK MENGGUNAKAN METODE BACKPROPAGARATION Amriana 1 Program Studi D1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik UNTAD ABSTRAK Jaringan saraf tiruan untuk aplikasi
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka berpikir Perubahan nilai tukar rupiah terhadap mata uang asing tidak dapat dihindari. Untuk mengatasi perubahan yang tidak pasti ini diperlukan suatu prediksi.
Lebih terperinciSLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK
SLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Disusun Oleh : Apriliyanto Taufik Betama (1022070) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. drg. Suria Sumantri, MPH, No.
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi.,Volume,. Bulan.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) Edisi.,Volume,. Bulan.. ISSN : 289-933 ANALISIS METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN SEL KANKER OTAK Novita Handayani Teknik Informatika
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinci