BAB 2 LANDASAN TEORI. relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi. Di sini juga
|
|
- Teguh Atmadja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI Dalam landasan teori ini, pada dasarnya aan dielasan mengenai teori yang relevan, lengap, dan terini sealan dengan permasalahan yang dihadapi. Di sini uga terdapat hubungan antara permasalahan dan teni yang digunaan dalam perancangan program apliasi ini. 2.1 System Development Life Cycle (SDLC) Dalam membuat sebuah program apliasi terdapat beberapa paradigma atau model proses, lima di antaranya adalah The Classic Life Cycle atau yang biasa dienal dengan Waterfall Model, Prototyping Model, Fourth Generation Techniques (4GT), Spiral Model, dan Combine Model. Dalam pengembangan program apliasi Motion Detection ini model proses yang digunaan adalah Waterfall Model. Menurut Winston W. Royce ( ), secara umum ada enam tahapan dalam Waterfall Model, seperti gambar di bawah ini:
2 8 Gambar 2.1 Waterfall Model Sumber: Tahap-tahap tersebut disusun seperti model aliran air terun sehingga disebut dengan Waterfall Model. Model ini menadi panduan langah-langah pembuatan program apliasi yang sesuai dengan ebutuhan dan harapan dari pengguna, supaya proye pengembangan program apliasi tersebut dapat diselesaian dengan sempurna. 2.2 Use Case Diagram Use Case menunuan hubungan interasi antara ator dengan use case di dalam suatu sistem (Mathiassen, 2000, p343) yang bertuuan untu menentuan bagaimana ator berinterasi dengan sebuah sistem. Ator adalah orang atau sistem lain yang berhubungan dengan sistem.
3 9 Ada tiga simbol yang mewaili omponen sistem seperti terlihat pada gambar dibawah ini. Gambar 2.2 Notasi Use Case Diagram Sumber : Mathiassen (2000, p343) Menurut Schneider dan Winters, ada lima hal yang harus diperhatian dalam pembuatan diagram use case (Schneider dan Winters, 1997, p26): 1) Ator: segala sesuatu yang berhubungan dengan sistem dan melasanaan use case yang terait. 2) Precondition: ondisi awal yang harus dimilii ator untu masu e dalam sistem untu terlibat dalam suatu use case. 3) Postcondition: ondisi ahir atau hasil apa yang aan diterima oleh ator setelah menalanan suatu use case. 4) Flow of Events: egiatan-egiatan yang dilauan pada sebuah proses use case. 5) Alternative Paths: egiatan yang memberian serangaian eadian berbeda yang digunaan dalam Flow of Events.
4 Flowchart Flowchart adalah representasi semati dari sebuah algoritma atau sebuah proses yang teratur, menunuan langah-langah dalam ota-ota yang bervariasi dan urutannya dengan menghubungan ota-ota tersebut dengan panah. Flowchart digunaan dalam mendesain atau mendoumentasian sebuah proses atau program (Wiipedia 2008). Flowchart pertama ali diperenalan oleh Fran Gilbreth epada anggota ASME (American Society of Mechanical Engineers) pada tahun 1921 sebagai representasi Process Charts First Steps in Finding the One Best Way dan saat ini menadi alat yang sering digunaan untu menunuan aliran proses dalam suatu algoritma. Sebuah Flowchart pada umumnya memilii simbol-simbol sebagai beriut: 1) Start and end symbols Direpresentasian dalam bentu oval, atau persegi panang dengan uung yang membulat, biasanya mengandung ata Start atau End atau frase lainnya yang menuuan awal proses atau ahir dari proses, seperti submit enquiry atau receive product. 2) Arrows Menunuan apa yang disebut sebagai flow of control dalam ilmu computer. Sebuah arrow datang dari sebuah simbol dan berahir pada simbol lainnya merepresentasian bahwa ontrol berpindah pada simbol yang ditunuan oleh arrow. 3) Processing steps Direpresentasian sebagai sebuah persegi panang. Contoh: tambahan 1 pada X ; ganti bagian yang diidentifiasi ; simpan data.
5 11 4) Input / Output Direpresentasian sebagai sebuah aaran genang. Contoh: ambil X dari user ; tampilan X. 5) Conditional or decision Direpresentasian sebagai sebuah belah etupat / bentu berlian. Biasanya berisi pertanyaan yang mempunyai awaban yes atau no, ataupun true atau false. Simbol ini uni arena ada dua arrows yang eluar dari simbol ini. Biasanya terdapat pada bagian bawah dan anan, dan berorespondensi pada awaban yes atau no, ataupun true atau false. Tiap arrow harus diberi label di dalamnya. Lebih dari dua arrows dapat digunaan, tetapi secara normal berarti bagian tersebut dapat dipecah lagi secara lebih mendalam.
6 12 Gambar 2.3 Flowchart Sumber: Sequence Diagram Sequence Diagram digunaan untu memodelan scenario penggunaan (Hariyanto 2004, p309). Senario penggunaan adalah barisan eadian yang teradi selama satu eseusi system. Caupan scenario dapat beragam, mulai dari semua eadian di sistem atau hanya eadian pada obe-obe tertentu. Senario menadi reaman historis eseusi sistem atau gagasan esperimen eseusi sistem yang diusulan. Sequence Diagram menunuan obe sebagai garis vertial dan tiap eadian sebagai panah horizontal dari obe pengirim e obe penerima. Watu
7 13 berlalu dari atas e bawah dengan lama watu tida relevan. Diagram ini hanya menunuan barisan eadian, buan pewatuan nyata. Kecuali untu sistem watu nyata (Real Time System) yang mengharusan onstrain barisan eadian. Sequence Diagram digunaan untu: 1) Overview perilau sistem, 2) menunuan obe-obe yang diperluan, 3) mendoumentasian scenario dari suatu use case diagram, 4) memerisa alur-alur pengasesan. 2.5 State Transition Diagram Ide dasar dari State Transition Diagram adalah untu menelasan sebuah mesin yang memilii beberapa eadaan. Mesin tersebut mendapatan masuan dari luar dan setiap masuan aan merubah eadaan dari mesin tersebut. Gambar beriut ini adalah salah satu contoh State Transition Diagram yang menunuan eadaan sebuah botol osong, yang lalu diisi emudian ditutup. Selama diisi, ia belum penuh maa masih aan menunuan eadaan osong.
8 14 Gambar 2.4 State Transition Diagram Sumber: Interasi Manusia dan Komputer (IMK) Berdasaran evaluasi dari sudut interasi manusia dan omputer, program simulasi yang dirancang harus bersifat interatif. Suatu program yang interatif dan bai harus bersifat user friendly, dengan lima riteria (Shneiderman 2005, p15) sebagai beriut: 1) Watu belaar yang tida lama. 2) Kecepatan penyaian informasi yang tepat. 3) Tingat esalahan pemaaian rendah. 4) Penghafalan sesudah melampaui anga watu. 5) Kepuasan pribadi.
9 15 Menurut (Shneiderman 2005, p74), dalam merancang sistem interasi manusia dan omputer yang bai uga harus memperhatian delapan aturan utama (eight golden rules), yaitu: 1) Strive for consistency (berusaha untu onsisten). 2) Enable frequent user to use shortcuts (memunginan pengguna untu menggunaan alan pintas). 3) Offer informative feedbac (memberian umpan bali yang informatif). 4) Design dialogs to yield closure (pengorganisasian yang bai sehingga pengguna mengetahui apan awal dan ahir dari suatu asi). 5) Offer simple error handling (memberian pencegahan esalahan dan penanganan esalahan yang sederhana). 6) Permit easy reversal of actions (memunginan embali e asi sebelumnya dengan mudah). 7) Support internal locus of control (memunginan pengguna untu menguasai dan mengontrol sistem). 8) Reduce short term memory load (mengurangi beban ingatan anga pende, sehingga pengguna tida perlu banya menghafal). 2.7 Motion Detection Definisi dari motion detection adalah sebuah asi dalam merasaan pergeraan fisi pada suatu area yang diberian. Motion dapat didetesi dengan menguur adanya perubahan pada ecepatan atau vetor dari sebuah obe atau obe pada sebuah sudut pandang. Hal ini dapat dicapai dengan alat meani yang secara fisi berinterasi dengan
10 16 lingungan yang diamati ataupun dengan alat eletroni yang dapat menguur perubahan pada lingungan yang diberian. Sebuah algoritma sederhana untu motion detection oleh sebuah amera aan membandingan gambar atual saat ini dengan sebuah gambar referensi dan secara sederhana aan menghitung banyanya pixel yang berbeda. Gambargambar aan berbeda arena secara natural tergantung pada beberapa fator seperti pencahayaan yang bervariasi, edipan amera, dan intensitas cahaya. Oleh sebab itu, pre-processing sangat berguna untu mengurangi tingat esalahan pengenalan gambar. Algoritma yang lebih omples diperluan untu mendetesi geraan apabila ameranya uga iut bergera, atau apabila geraan dari suatu obe yang spesifi harus didetesi pada suatu lingungan yang terdiri dari pergeraan lain yang dapat diabaian. 2.8 Image Processing Pemrosesan gambar adalah salah satu bentu dari pemrosesan sinyal, di mana input yang diberian adalah sebuah gambar, seperti foto atau frame dari sebuah video; sedangan output dari pemrosesan gambar dapat berupa sebuah gambar atau sebuah set dari arateristi atau parameter yang terait dengan gambar tersebut.
11 Grayscale Dalam istilah pemrosesan gambar, sebuah grayscale atau gambar digital grayscale adalah sebuah gambar di mana nilai dari tiap-tiap pixel adalah sebuah single sample, sebagai satu-satunya yang membawa informasi penuh tentang intensitasnya. Gambar yang termasu dalam ategori ini tersusun secara eslusif dari bayangan abu-abu netral, bervariasi dari warna hitam pada intensitas terlemah sampai dengan warna putih pada intensitas yang teruat. Gambar grayscale berbeda dengan gambar hitam dan putih, di mana pada ontes gambar omputer adalah gambar yang hanya mempunyai dua warna, hitam dan putih (uga disebut sebagai bilevel, gambar biner); gambar grayscale memilii banya bayangan abu-abu diantaranya. Pada ebanyaan ontes di luar penggambaran digital, ata hitam dan putih digunaan untu menggantian grayscale ; sebagai contoh, fotografi pada bayangan abu-abu disebut sebagai fotografi hitam dan putih. Intensitas dari sebuah pixel diespresian dalam batasan minimum dan masimum yang diberian. Batasan ini direpresentasian dalam sebuah langah abstra sebagai ara dari 0 (etiadaan cahaya, hitam) dan 1 (eberadaan cahaya, putih), dengan nilai-nilai frasional diantaranya. Mengonversi sebuah gambar berwarna menadi grayscale tidalah uni; perbedaan berat dari channel warna secara efetif merepresentasian efe dari film hitam dan putih dengan pewarnaan berbeda dari filter fotografi pada amera. Sebuah strategi umum adalah untu menyamaan pencahayaan dari gambar grayscale dengan pencahayaan dari gambar berwarna.
12 18 Untu mengonversi warna apapun menadi representasi grayscale dari pencahayaannya, pertama-tama nilai dari warna primer yaitu merah, hiau dan biru (RGB) pada encoding intensitas linear harus ditemuan terlebih dahulu dengan menggunaan espansi gamma. Kemudian ditambahan sebanya 30% e dalam value warna merah, 59% e dalam value warna hiau, dan sisanya 11% e dalam value warna biru (berat tersebut tergantung pada pemilihan dari warna primer RGB, tetapi secara tipial sama). Apapun sala yang dimasuan (0.0 sampai 1.0, 0 sampai 255, 0% sampai 100%, dan lain sebagainya), bilangan resultannya adalah value dari pencahayaan linear yang diinginan; hal ini secara tipial memerluan gamma yang diompresi untu embali pada representasi grayscale onvensional Binary Threshold Definisi dari binary threshold adalah filter yang melauan binerisasi gambar dengan menggunaan value pembatas yang spesifi. Semua pixel dengan intensitas yang sama atau lebih tinggi dari value pembatas aan dionversi menadi pixel putih. Semua pixel lainnya dengan intensitas di bawah value pembatas aan dionversi menadi pixel hitam. Hal ini aan menghasilan gambar yang hanya mempunyai warna hitam dan putih. 2.9 Histogram Histogram gambar adalah sebuah tipe dari histogram yang berfungsi sebagai representasi grafi dari distribusi tonal pada sebuah gambar digital. Histogram gambar membuat bagian pada banya pixel untu setiap tonal value.
13 19 Dengan melihat pada histogram untu gambar yang spesifi, pengamat aan dapat mengetahui semua distribusi tonal dalam seali pandang. Dalam statistia, sebuah histrogram adalah gambar grafi dari freuensi yang ditabulasi, ditampilan dalam bentu batang. Histogram menunuan umlah proporsi bagian yang masu pada beberapa ategori yang ada. Sebuah histogram berbeda dengan diagram batang pada area yang menotasian value, buan sebagai tinggi sebagaimana yang terdapat pada diagram batang, perbedaan rusial apabila pada ategori yang ada tida mempunyai lebar yang seragam. Kategori-ategori yang ada biasanya dispesifiasian sebagai interval yang tida melebihi batas dari variabel yang telah ditentuan. Kategori-ategori tersebut (batang) haruslah berdeatan. Gambar 2.5 Histogram Sumber: stogram.svg/180px-blac_cherry_tree_histogram.svg.png
14 Artificial Neural Networs Manusia, demiian uga dengan binatang memproses informasi dengan aringan syaraf. Jaringan tersebut terbentu dari trillions (10 12 ) dari neuron (sel saraf) yang saling bertuar sinyal listri dan sering disebut sebagai potensial asi. Algoritma omputer yang meniru strutur biologis tersebut secara formal disebut sebagai aringan syaraf tiruan untu membedaannya dengan apa yang dimilii oleh binatang. Tetapi, ebanyaan ilmuwan dan insinyur tida menggunaannya secara formal dan tetep menggunaan ungapan aringan syaraf untu mencaup semua sistem biologis dan non-biologis. Penelitian aringan syaraf tiruan dimotivasi oleh dua sebab, yaitu untu mendapatan pengertian yang lebih mendalam tentang ota manusia, dan untu mengembangan omputer yang dapat menghadapi masalah abstra dan masalah yang sulit untu dielasan. Sebagai contoh, omputer onvensional mengalami masalah untu mengerti percaapan dan mengenali waah masing-masing orang. Sebagai perbandingan, manusia sangat bai dalam melauan egiatan tersebut. Banya strutur aringan syaraf yang telah dicoba, beberapa didasaran dari meniru apa yang dilihat oleh ilmuwan di bawah mirosop, beberapa lebih didasaran pada analisis matematia dari masalah yang ada. Strutur yang paling banya digunaan dapat dilihat pada pembahasan lebih lanut mengenai macammacam arsitetur neural networs.
15 21 Gambar 2.6 Generalized Networ. Sumber: Salah satu apliasi dari aringan syaraf buatan yang paling umum adalah pemrosesan gambar. Beberapa contoh antara lain: mengidentifiasi tulisan tangan, mencocoan foto dari waah seseorang dengan foto lain pada database, melauan ompresi data pada sebuah gambar dengan ehilangan yang minimal. Apliasi lainnya bisa untu: pengenalan suara, analisis RADAR signature, predisi stoc maret. Masalah-masalah tersebut mencaup data yang sangat banya, dan hubungan yang sangat omples di antara parameter yang berbeda. Sangatlah penting untu diingat bahwa dengan solusi dari aringan syaraf buatan, user tida harus mengerti solusinya sama seali. Ini adalah euntungan terbesar dari pendeatan aringan syaraf buatan. Dengan teni yang lebih tradisional, user harus mengerti input, algoritma, dan output dalam detil yang banya. Dengan aringan syaraf buatan, cuup ditunuan bahwa : ini adalah output yang benar, apabila diberian input ini. Dengan latihan yang cuup, maa aringan aan meniru fungsi yang didemonstrasian. Dengan aringan syaraf buatan, bisa uga untu mengapliasian input yang tida relevan dengan
16 22 solusinya, arena pada proses latihan, aringan aan belaar untu menola input yang tida memberian ontribusi pada output. Aan tetapi, ia tida dimasuan input yang penting, maa aringan aan gagal untu membuat solusi Algoritma Bac Propagation Dalam algoritma Bacpropagation terdapat proses training yang meliputi feedforward, bacward serta perbaian bobot dan bias. Sedangan proses selanutnya untu mengenali pola yang telah dilatih, aan disebut dengan proses recall yang dilauan hanya dengan mengulangi proses feedforward. Beriut ini merupaan langah-langah yang digunaan dalam proses training dan recall menggunaan algoritma Bacpropagation: 1) Inisialisasi bobot 2) Selama ondisi berhenti false, lauan langah ) Untu setiap pasangan data pelatihan, lauan langah 4 9 Feed Forward (langah mau) 4) Setiap unit input (X i, i = 1,, n) menerima sinyal input x i dan menerusan sinyal tersebut e semua unit pada lapis di atasnya (hidden layer). 5) Setiap unit tersembunyi (Z, = 1,, p) menumlahan sinyal-sinyal input berbobot, z _ in = v 0 + n i= 1 x v i i
17 23 Gunaan fungsi ativasi untu menghitung sinyal output-nya, z = f ( z _ ) in Lalu iriman sinyal tersebut e semua unit di lapis atasnya (unit-unit output). 6) Setiap unit output (Y, = 1,, m) menumlahan sinyal-sinyal input berbobot, y _ in = w 0 + p = 1 z w Gunaan fungsi ativasi untu menghitung sinyal output-nya, y = f ( y _ ) in Bacward (langah mundur) 7) Tiap-tiap unit output (Y, = 1,, m) menerima pola target yang berhubungan dengan pola input pembelaaran, hitung informasi errornya, δ = ( t y ) f ( y _ in ) Hitung oresi bobot (yang nantinya aan digunaan untu memperbaii nilai w ), Δ w = αδ z Hitung uga oresi bias (yang nantinya aan digunaan untu memperbaii nilai w 0 ), Δ w αδ 0 Dan iriman nilai δ e unit-unit yang ada di lapis bawahnya.
18 24 8) Tiap-tiap hidden unit (z, = 1,, p) menumlahan delta input-nya (dari unit yang berada pada lapis atasnya), m δ _ in = δ w = 1 Kalian nilai ini dengan turunan dari fungsi ativasinya untu menghitung informasi error-nya, δ = d _ in f ( z _ in ) Kemudian hitung oresi bobot (yang nantinya digunaan untu memperbaii nilai v i ), Δ v i = αδ x i Hitung uga oresi bias (yang nantinya digunaan untu memperbaii nilai v 0 ), Δv 0 = αδ Perbaian bobot dan bias 9) Setiap unit output (y, = 1,, m) memperbaii bobot dan biasnya ( = 0,, p), w ( baru) = w ( lama) + Δw Setiap unit tersembunyi (z, = 1,, p) memperbaii bobot dan biasnya (I = 0,, n), 10) Tes ondisi berhenti. v i ( baru) = vi ( lama) + Δvi
19 25 Setelah proses training, sebuah aringan syaraf bacpropagation aan diapliasian dengan hanya menggunaan fase feedforward dari algoritma training saa. Prosedur apliasi tersebut adalah sebagai beriut: 1) Inisialisasi matris bobot (dari algoritma training). 2) Untu setiap vetor input, lauan langah ) Untu i = 1,, n: set nilai ativasi untu setiap input unit x. 4) Untu = 1,, p: 5) Untu = 1,, m: z _ in z = v = f 0 + n i= 1 ( z _ ) in x v i i y _ in = w 0 + p = 1 z w y = f ( y _ ) in. Jadi, pada landasan teori ini, telah dibahas teori-teori yang berhubungan dengan perancangan program apliasi, seperti metode perancangan program, image processing, histogram, Artificial Neural Networs, dan algoritma Bac Propagation. Penggunaan dari teori-teori tersebut aan dielasan lebih lanut pada bab selanutnya.
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER
PENDETEKSIAN GERAK TANGAN MANUSIA SEBAGAI INPUT PADA KOMPUTER Wiaria Gazali 1 ; Haryono Soeparno 2 1 Jurusan Matematia, Faultas Sains dan Tenologi, Universitas Bina Nusantara Jln. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciPENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENDALIAN MOTOR DC MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Wahyudi, Sorihi, dan Iwan Setiawan. Jurusan Teni Eletro Faultas Teni Universitas Diponegoro Semarang e-mail : wahyuditinom@yahoo.com.
Lebih terperinciISSN: TEKNOMATIKA Vol.1, No.2, JANUARI
ISSN: 1979-7656 TEKNOMATIKA Vol.1, No.2, JANUARI 2009 25 PERANCANGAN DAN IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MENDIAGNOSA JENIS PENYAKIT KANDUNGAN Bambang Yuwono Jurusan Teni Informatia UPN Veteran
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belaang Di aman searang sebuah adal yang tersusun rapi merupaan ebutuhan bagi setiap individu. Namun masalah penyusunan sebuah adal merupaan sebuah masalah umum yang teradi,
Lebih terperinciPENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
PENENTUAN JENIS PRODUK KOSMETIK PILIHAN BERDASARKAN FAKTOR USIA DAN WARNA KULIT MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN Amethis Otaorora 1, Bilqis Amaliah 2, Ahmad Saihu 3 Teni Informatia, Faultas Tenologi
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS
Jurnal Teni dan Ilmu Komputer ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS AN ANALYSIS OF THE VARIATION PARAMETERS OF THE ARTIFICIAL NEURAL NETWORK
Lebih terperinciKAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Media Informatia, Vol. 5, No. 2, Desember 2007, 99-111 ISSN: 0854-4743 KAJIAN PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE FACE-ARG DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Anita Desiani Jurusan Matematia,
Lebih terperinciPENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB
PENGENALAN POLA DENGAN MENGGUNAKAN METODE BACKPROPAGATION MENGGUNAKAN MATLAB Wirda Ayu Utari Universitas Gunadarma utari.hiaru@gmail.com ABSTRAK Program pengenalan pola ini merupaan program yang dibuat
Lebih terperinciTEKNIK PERAMALAN TINGKAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN
TENI PERAMALAN TINGAT PENJUALAN DENGAN JARINGAN SYARAF TIRUAN Sri Mulyana Program Studi Ilmu omputer F MIPA UGM Seip Unit III Yogyaarta Telp (0274)546194 e-mail : smulyana@ugm.ac.id Abstra Tingat penualan
Lebih terperinciPREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION
Konferensi Nasional Sistem dan Informatia 2008; Bali, November 5, 2008 PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF TIRUAN MULTILAYER FEEDFORWARD NETWORK DENGAN ALGORITMA BACKPROPAGATION Wahyudi Setiawan
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MERAMALKAN BEBAN PEMAKAIAN AIR PADA PDAM KOTA BANDUNG Oleh : M.Rizi.H.S, Andri Heryandi,S.T, Bambang Siswoyo,Ir,M.Si Jl. Dipati Uur Bandung Teni Informatia Universitas
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Faultas Teni Informatia, Institut Tenologi Telom Jl. Teleomuniasi No.1 Bandung 40286 Telp. (022) 7564108
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciBAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN
BAB V ALGORITMA PEMBELAJARAN DALAM JARINGAN SYARAF TIRUAN Kompetensi : 1. Mahasiswa memahami onsep pembelaaran dalam JST Sub Kompetensi : 1. Dapat mengetahui prinsip algoritma Perceptron 2. Dapat mengetahui
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.
Lebih terperinciDany Candra Febrianto ) dan Hindayati Mustafidah )
Penerapan Jaringan Saraf Tiruan dengan Metode Pembelaaran Bacpropagation untu Mengetahui Tingat Kualifiasi Calon Siswa pada Sistem Informasi Penerimaan Siswa Baru di MAN 2 Banarnegara (Application of Artificial
Lebih terperinciSistem Peramalan Jumlah Produksi Air PDAM Samarinda Menggunakan Jaringan Syaraf Tiruan Backpropagation
Sistem Peramalan Jumlah Produsi Air PDAM Samarinda Menggunaan Jaringan Syaraf Tiruan Bacpropagation Anindita Septiarini 1 dan Nur Sya baniah 2 1 Program Studi Ilmu Komputer FMIPA, Universitas Mulaarman
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinci1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba
JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA PINJAMAN DI INDONESIA Nurmalasari Rusmiati 1 Sistem Informasi, Faultas Ilmu Komputer, Universitas Gunadarma
Lebih terperinciANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS
ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK PADA SISTEM PENGENALAN WAJAH BERBASIS PRINCIPAL COMPONENT ANALYSIS 1 Ihwannul Kholis, 2 Ahmad Rofii. 1 Universitas 17 Agustus 1945 Jaarta,
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciSistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation
1 Sistem Informasi Peramalan Beban Listri Janga Panang di Kabupaten Jember Menggunaan JST Bacpropagation Dodi Setiabudi Abstra Kebutuhan energi listri sebagai salah satu infrastrutur penting sangat diutamaan.
Lebih terperinciPENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN TEKS BRAILLE BERBASIS JARINGAN SYARAF TIRUAN FEEDFORWARD MULTILAYER DENGAN MENGGUNAKAN METODE BACK PROPAGATION Praditya Firmansyah *, Wahyul Amien Syafei**, Iwan
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS
Jurnal Teni dan Ilmu Komputer SISTEM PENGENALAN AJAH DENGAN MENGGUNAKAN BACKPROPAGATION ARTIFICIAL NEURAL NETORK DAN PRINCIPAL COMPONENT ANALYSIS FACE RECOGNITION SYSTEM USING BACKPROPAGATION ARTIFICIAL
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
1 MAKALAH SEMINAR TUGAS AKHIR PENGENALAN POLA GEOMETRI WAJAH MENGGUNAKAN JARINGAN SYARAF TIRUAN PERAMBATAN BALIK Muhamad Tonovan *, Achmad Hidayatno **, R. Rizal Isnanto ** Abstra - Pengenalan waah adalah
Lebih terperinciSistem Pendukung Keputusan Penerima Beasiswa SMK Menggunakan Metode Backpropagation
Seminar Nasional e 9: Reayasa Tenologi Industri dan Informasi Sistem Penduung Keputusan Penerima Beasiswa SMK Menggunaan Metode Bacpropagation Teti Rohaeti 1, Yoyon Kusnendar Suprapto 2, Eo Mulyanto 3
Lebih terperinciAPLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA ABSTRACT
APLIKASI ARTIFICIAL NEURAL NETWORK UNTUK PERAMALAN ALIRAN SUNGAI BLEGA Manyu Fauzi, Minarni Nur Trilita Mahasiswa S3 MRSA, Jurusan Teni Sipil-ITS dan Pengaar Jurusan Teni Sipil Univ. Riau Mahasiswa S3
Lebih terperinciPREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN
Ansari Predisi Kelulusan Mahasiswa Dengan Jaringan Syaraf Tiruan PREDIKSI KELULUSAN MAHASISWA DENGAN JARINGAN SYARAF TIRUAN Rudy Ansari STMIK Indonesia Banarmasin e-mail: rudy.ansari@gmail.com ABSTRAK
Lebih terperinciMakalah Seminar Tugas Akhir
Pengaturan Kecepatan Motor DC Menggunaan Jaringan Syaraf Tiruan Feedforward Bacpropagation Sorihi *, Wahyudi **, Iwan Setiawan ** Abstra - Jaringan syaraf bacpropagation merupaan aringan syaraf yang telah
Lebih terperinciSISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN
SISTEM PENGENAL WAJAH DENGAN JARINGAN SYARAF TIRUAN Julian Supardi, Rz. Abdul Aziz, Syepriansyah Seolah Tggi Manaemen Informatia dan Komputer Darmaaya Jl. Z.A Pagar Alam No. 93 Bandar Lampung Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET
Prosiding SNaPP2012 : Sains, Tenologi, dan Kesehatan ISSN 2089-3582 ARSITEKTUR DAN ALGORITMA JST UNTUK MENDUKUNG PREDIKSI GANGGUAN GEOMAGNET 1 John Maspupu 1 Pussainsa LAPAN, Jl Dr Dundunan No 133 Bandung
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
PENGENALAN KAPAL PADA CITRA DIGITAL MENGGUNAKAN IMAGE PROCESSING DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Sutino 1, Helmie Arif Wibawa 2, Priyo Sidi Sasongo 3 123 Jurusan Ilmu Komputer/Informatia, FSM,
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Jadwal Secara Umum Menurut Kamus Besar Bahasa Indonesia (KBBI), jadwal adalah pembagian watu berdasaran rencana pengaturan urutan erja, daftar atau tabel egiatan
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. simulasi penyelesaian rubix cube ini adalah sebagai berikut. 1. Processor: Intel (R) Pentium (R) 4 CPU 1.
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Spesifikasi sistem komputer yang digunakan untuk menjalankan program simulasi penyelesaian rubix cube ini adalah sebagai berikut. 4.1.1 Spesifikasi
Lebih terperinciII. DASAR TEORI I. PENDAHULUAN
IMPLEMENTASI JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK UNTUK MENDETEKSI GOLONGAN DARAH PADA MANUSIA M. Fuad Latief *, R. Rizal Isnanto, Budi Setiyono Abstra - Membran sel darah manusia mengandung bermacam-macam
Lebih terperinciBAB 2 LANDASAN TEORI. meneliti bagaimana mesin dapat belajar dan berpikir seperti layaknya manusia. Bidang
BAB 2 LANDASAN TEORI Intelegensia Semu (IS) adalah salah satu bidang dalam ilmu omputer yang meneliti bagaimana mesin dapat belajar dan berpiir seperti layanya manusia. Bidang ilmu ini mempelajari bagaimana
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING
APLIKASI JARINGAN SARAF TIRUAN PERAMBATAN BALIK UNTUK PRAKIRAAN VALUTA GBP/USD DALAM FOREX TRADING Hendra William *), Achmad Hidayatno, and Aub Aulian Zahra Jurusan Teni Eletro, Universitas Diponegoro
Lebih terperinciPERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION
PERAMALAN CURAH HUJAN WILAYAH SEMARANG BARAT DENGAN ALGORITMA RESILIENT BACKPROPAGATION Wellie Sulistanti Abstract- Tuuan dari penelitian ini untu mengapliasian cara era aringan syaraf tiruan dengan menggunaan
Lebih terperinciPENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC. Oleh:
1 PENGEMBANGAN MODEL JARINGAN SYARAF TIRUAN RESILIENT BACKPROPAGATION UNTUK IDENTIFIKASI PEMBICARA DENGAN PRAPROSES MFCC Oleh: NURHADI SUSANTO G64103059 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciBAB II LANDASAN TEORI. Proses utama dari pengenalan karakter adalah menerima karakter input dan
BAB II LANDASAN TEORI 2.1 Pengenalan Teori Proses utama dari pengenalan arater adalah menerima arater input dan memerisa apaah hasil input tersebut sesuai dengan salah satu arater yang ada. Bagian yang
Lebih terperinciAPLIKASI WAVELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES. : Agus Sumarno NRP :
APLIKASI WAELET RECURRENT NEURAL NETWORK UNTUK PREDIKSI DATA TIME SERIES Nama : Agus Sumarno NRP : 06 00 706 Jurusan : Matematia Dosen Pembimbing : Drs. Daryono Budi Utomo, M.Si Abstra Model time series
Lebih terperinciPEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK. Azriyenni
PEMPROSESAN ALARM DALAM PERLINDUNGAN SISTEM DAYA LISTRIK MENGGUNAKAN NEURAL NETWORK Azriyenni Dosen Tetap Teni Eletro Universitas Riau - Peanbaru Abstra Penelitian ini menyelidii mengenai pemprosesan alarm
Lebih terperinciPrediksi Jumlah Kasus Demam Berdarah Dengue Menggunakan Jaringan Syaraf Tiruan (Studi Kasus daerah Kab. Sleman, Provinsi DIY)
Jurnal PROte Vol. 3 No. 1, 216 Predisi Jumlah Kasus Demam Berdarah Dengue Menggunaan Jaringan Syaraf Tiruan Iis Hamsir Ayub Wahab Program Studi Teni Eletro Faultas Teni, Universitas Khairun Email: hamsir@unhair.ac.id
Lebih terperinciBAB II PENGENALAN WAJAH
BAB II PENGENALAN WAJAH Sistem pengenalan waah dapat dibagi menadi empat tahap, yaitu tahap pengolahan citra, detesi waah, estrasi fitur dan tahap pengenalan waah. Pada tugas ahir ini aan lebih diteanan
Lebih terperinciPENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT
PENGENALAN KARAKTER TULISAN TANGAN DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK RESILIENT Oleh : DONNY WAHYU SAPUTRO G06499031 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciVariasi Spline Kubik untuk Animasi Model Wajah 3D
Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pemrosesan Sinyal Menurut Proais et al. (1997), umumnya suatu segmen suara dapat dinyataan dengan deraat etelitian yang tinggi sebagai umlah dari beberapa sinusoida dengan amplitudo
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab landasan teori ini, akan penulis akan mencoba menguraikan teori yang relevan, lengkap, dan terkini sejalan dengan permasalahan yang dihadapi, juga diuraikan hubungan antara
Lebih terperinciAKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA
AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA Aris Puji Widodo, Suhartono 2, Eo Adi Sarwoo 3, dan Zulfia Firdaus 4,2,3,4 Departemen Ilmu Komputer/Informatia,
Lebih terperinciProsiding Semirata FMIPA Universitas Lampung, 2013
Sistem Pengenalan Nomor Plat Kendaraan Berbasis Foto Diital Dengan Metode Moment Invariant dan Jaringan Syaraf Tiruan Menggunaan Algoritma Bacpropagation Zaiful Bahri, Suamto dan Joo Risanto Jurusan Matematia
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR)
PENGEMBANGAN PERANGKAT LUNAK BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK (STUDI KASUS DI PT.PLN AREA DISTRIBUSI JABAR) Oleh: ¹ HERLY MARDANI (000298) ² BAMBANG SISWOYO,
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT
III DESKRIPSI DAN FORMULASI MASALAH PENGANGKUTAN SAMPAH DI JAKARTA PUSAT 3.1 Studi Literatur tentang Pengelolaan Sampah di Beberapa Kota di Dunia Kaian ilmiah dengan metode riset operasi tentang masalah
Lebih terperinciKecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Wajah (Face Recognition)
No. 1/XXVI/2007 Wawan Setiawan, Kecerdasan Komputasional Kecerdasan Komputasional Berbasis Jaringan Neural Buatan (JNB) Pada Sistem Pengenalan Waah (Face Recognition) Wawan Setiawan (Universitas Pendidian
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI 2.1 Model Cutting Stock Problem 2.1.1 Integer Knapsack Cutting-stock problem merupakan salah satu satu contoh persoalan dalam Integer Knapsack. Dalam persoalan integer knapsack,
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 terperinciAPLIKASI ALGORITMA FEED FORWARD BACKPROPAGATION PADA SISTEM KEAMANAN AKSES MENGGUNAKAN SIDIK JARI.
Proceeding Seminar dan Worshop Nasional Pendidian Teni Eletro (SWNE) FPTK Universitas Pendidian Indonesia APLIKASI ALGORITMA FEED FORWARD BACKPROPAGATION PADA SISTEM KEAMANAN AKSES MENGGUNAKAN SIDIK JARI.
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
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 terperinciDETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN
Prosiding Seminar Nasional Apliasi Sains & Tenologi (SNAST) Periode II ISSN: 1979-911X Yogyaarta, 11 Desember 2010 DETEKSI POLA BERDASARKAN COLOUR FEATURE DENGAN METODE JARINGAN SYARAF TIRUAN Uning Lestari
Lebih terperinciCATATAN KULIAH RISET OPERASIONAL
CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang
Lebih terperinciBAB II DASAR TEORI. II.1. Pendahuluan
BAB II DASAR EORI II.1. Pendahuluan Pada bab ini pertama-tama aan dijelasan secara singat apa yang dimasud dengan target tracing dalam sistem Radar. Di dalam sebuah sistem Radar ada beberapa proses yang
Lebih terperinciPENERAPAN NEURAL NETWORK MODEL BACKPROPAGATION DAN GENERAL REGRESSION NEURAL NETWORK
Eo Sediyono PENERAPAN NEURAL NETWORK MODEL BACKPROPAGATION DAN GENERAL REGRESSION NEURAL NETWORK Oleh : Eo Sediyono Abstra Telah dilauan penelitian tentang identifiasi citra untu mengidentifiasi enis daging
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)
SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR
MAKALAH SEMINAR TUGAS AKHIR Peramalan Kebutuhan Beban Janga Pende Menggunaan Jaringan Syaraf Tiruan Bacpropagation Oleh : Dinar Atia Sari (L2F002572) Jurusan Teni Eletro Faultas Teni Universitas Diponegoro
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar Tugas Ahir PENDETEKSI POSISI MENGGUNAKAN SENSOR ACCELEROMETER MMA7260Q BERBASIS MIKROKONTROLER ATMEGA 32 Muhammad Riyadi Wahyudi, ST., MT. Iwan Setiawan, ST., MT. Abstract Currently, determining
Lebih terperinciPERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK ANIZZA RESTRA PUSPARIANTI
PERAMALAN KURS RUPIAH TERHADAP DOLAR DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK ANIZZA RESTRA PUSPARIANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER
ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciPenempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming
JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul
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 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 II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Tiruan 2.1.1. Latar Belaang Jaringan Syaraf Tiruan dibuat pertama ali pada tahun 1943 oleh neurophysiologist Waren McCulloch dan logician Walter Pits, namun tenologi
Lebih terperinciIMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA
94 IMPLEMENTASI DAN ANALISIS ALGORITMA PENCARIAN RUTE TERPENDEK DI KOTA SURABAYA Yudhi Purwananto 1, Diana Purwitasari 2, Agung Wahyu Wibowo Jurusan Teni Informatia, Institut Tenologi Sepuluh Nopember
Lebih terperinciSTABILISATOR SISTEM TENAGA BERBASIS JARINGAN SYARAF TIRUAN BERULANG UNTUK SISTEM MESIN TUNGGAL
ISSN: 693-6930 65 STABILISATOR SISTEM TENAGA BERBASIS JARINGAN SYARAF TIRUAN BERULANG UNTUK SISTEM MESIN TUNGGAL Widi Aribowo Faultas Teni, Universitas Negeri Surabaya Kampus Unesa Jalan Ketintang, Surabaya
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB TINJAUAN PUSTAKA.1 Sifat Dasar Neutron Neutron yang dihasilan dari reator nulir biasanya merupaan neutron berenergi rendah. Secara umum, neutron energi rendah dapat dilasifiasian dalam tiga enis yaitu
Lebih terperinciBAB 3 PERANCANGAN SISTEM. untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
29 BAB 3 PERANCANGAN SISTEM 3.1 Gambaran Umum Sistem Pada dasarnya untuk pembuatan aplikasi ini, yakni aplikasi pengenalan suara untuk pengguna interface, membutuhkan perangkat keras dan perangkat lunak.
Lebih terperinciPerbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan
Perbandingan Antara Algoritma Penghapusan Bising Adaptif LMS dan Adaptif RLS dalam Penghapusan Bising Kendaraan Sri Arttini Dwi Prasetyowati 1), Adhi Susanto ), homas Sriwidodo ), Jazi Eo Istiyanto 3)
Lebih terperinciPENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT
Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium
Lebih terperinciTransformasi Wavelet Diskret Untuk Data Time Series
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 015 Transformasi Wavelet Disret Untu Data Time Series S - 11 11 Vemmie Nastiti Lestari, Subanar Jurusan Matematia, Faultas Matematia dan Ilmu Pengetahuan
Lebih terperinci