1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah
|
|
- Lanny Setiawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Clustering merupakan sebuah teknik pemrosesan data yang digunakan untuk menemukan pola-pola tersembunyi pada kumpulan data (Žalik, 2008). Clustering telah banyak diaplikasikan dalam berbagai bidang antara lain penambangan data, pengenalan pola, pengambilan keputusan, machine learning, dan segmentasi citra (Yi dan Yang, 2010). Proses penemuan pola data dilakukan dengan mengelompokkan data ke dalam klaster-klaster sehingga data-data yang memiliki kemiripan berada pada klaster yang sama dan data-data yang tidak memiliki kemiripan terletak pada klaster yang berbeda (Hasan dan Ramakrishnan, 2011). Salah satu cara untuk mengetahui tingkat kemiripan data adalah melalui perhitungan jarak antara data. Semakin kecil jarak antar data maka semakin tinggi tingkat kemiripan data tersebut dan sebaliknya semakin besar jarak antar data maka semakin rendah tingkat kemiripannya. K-means dan variannya merupakan jenis algoritma clustering partitionbased yang telah banyak digunakan dalam clustering data (Jain dan Lansing, 2010). K-means mengelompokkan kumpulan data ke dalam k klaster berdasarkan jarak terdekat antara data dengan pusat klaster (Žalik, 2008). Kelebihan dari algoritma K-means terletak pada kecepatan untuk mencapai konvergen serta kemudahan dalam pengimplementasian (Kao dan Lee, 2009). Pada sisi lain, algoritma K-means memiliki beberapa kelemahan seperti: (i) kecenderungan mengalami konvergensi prematur pada quantization error yang besar (van der Merwe dan Engelbrecht, 2003); (ii) hasil clustering yang sangat bergantung pada penentuan pusat klaster awal (Kao et al., 2008;Ye dan Chen, 2005); serta (iii) mengalami masalah dead-unit (Žalik, 2008). 12
2 13 Particle Swarm Optimization (PSO) merupakan jenis algoritma evolusi yang terinspirasi dari kawanan burung dan kawanan ikan (Eberhart dan Kennedy, 1995). Walaupun pada awalnya metode PSO dibuat untuk penyelesaian masalah optimasi, beberapa tahun terakhir metode PSO telah banyak diaplikasikan untuk memecahkan berbagai masalah yang berkaitan dengan clustering (Shen et al., 2010). Hal ini disebabkan karena PSO mampu memberikan hasil clustering yang lebih stabil karena tidak adanya ketergantungan pada inisialisai pusat klaster awal (Hasan dan Ramakrishnan, 2011). Tetapi PSO juga memiliki kelemahan pada kecepatan konvergensinya yang cenderung lambat saat mendekati solusi optimum (Ahmadyfard dan Modares, 2008). Penerapan PSO pada clustering data pertama kali dilakukan oleh Van der Merwe dan Engelbrecht (2003). Proses clustering mula-mula dilakukan dengan K-means yang kemudian dilanjutkan oleh PSO. Hasil clustering dari metode K- means digunakan sebagai salah satu partikel awal pada metode PSO. Penggunaan hasil clustering K-means sebagai salah satu partikel awal PSO ternyata mampu meningkatkan performansi dari PSO clustering. Variasi lain dari Particle Swarm Optimization untuk melakukan clustering data adalah Particle Swarm Clustering (PSC) (Cohen dan Castro, 2006). Berbeda dari metode PSO yang merepresentasikan setiap partikel sebagai satu himpunan pusat klaster, pada PSC setiap partikelnya cukup merepresentasikan satu pusat klaster saja. Sehingga solusi akhir klaster-klaster dari pendekatan PSC diperoleh dengan menggabungkan keseluruhan partikel yang ada. Hasil penelitian ini menunjukkan bahwa performansi metode PSC lebih unggul dibandingkan dengan K-means karena PSC dapat terhindar dari stagnasi. Modified PSC (mpsc) merupakan metode yang diusulkan oleh Szabo et al. (2010) yang bertujuan untuk mempercepat kecepatan komputasi metode PSC. Metode mpsc mengusulkan ide mengganti velocity (V) dengan Δx, untuk mengeliminasi kebutuhan akan bobot inersia (ω). Dengan demikian, metode mpsc terbukti memiliki waktu komputasi yang sedikit lebih cepat dibandingkan
3 14 dengan PSC. Yuwono et al. (2012) mengusulkan metode yang dapat meningkatkan kinerja PSC dan mpsc bernama Rapid Centroid Estimation (RCE). RCE memodifikasi metode mpsc pada bagian frekuensi pembaruan posisi partikel, frekuensi pembaruan matriks jarak (partikel dan titik data) dan partikel terbaik, dan menambahkan global minimum computation untuk penyimpanan kombinasi posisi partikel terbaik. Metode RCE melakukan clustering dengan waktu komputasi yang jauh lebih cepat dibandingkan dengan kedua metode sebelumnya tanpa mempengaruhi kualitas skema clustering. Namun demikian, dibandingkan dengan PSC dan mpsc, standar deviasi kualitas skema clustering yang dihasilkan dari RCE lebih tinggi walaupun rata-rata hasil clustering RCE lebih unggul. Yuwono et al. (2012) menduga bahwa hal tersebut terjadi karena penentuan kriteria berhenti yang didasarkan pada tercapainya equilibrium state adalah kriteria berhenti yang kurang tepat. Equilibrium state merupakan keadaan dimana partikel sudah mencapai posisi terbaik yang diketahui melalui nilai fungsi fitness partikel. Pada penilitian ini digunakan metode clustering RCE-Kmeans. K-means akan dijadikan metode yang mendefinisikan kembali equilibrium state dari metode clustering RCE. Oleh karena itu, posisi partikel akhir yang merepresentasikan pusat klaster diperoleh setelah penerapan metode K-means. K- means dipilih karena memiliki kemampuan local search (Naik et al., 2012), yaitu kemampuan menemukan solusi optimum yang berada di sekitar nilai solusi awal yang didefinisikan. Kemampuan local search yang dimiliki K-means dibutuhkan karena kemampuan local search menjamin penemuan solusi optimum (posisi partikel optimum) di sekitar nilai solusi awal (posisi partikel berdasarkan equilibrium state RCE) bukan mencari ruang solusi baru yang memungkinkan diperoleh hasil clustering yang tidak lebih baik dari yang dihasilkan oleh RCE. K- means juga memiliki kelebihan pada kecepatan konvergensinya sehingga diharapkan penggunaan metode K-means untuk menemukan posisi partikel
4 15 optimum dari metode RCE tidak menambah waktu komputasi secara signifikan. Dengan demikian, penggunaan metode K-means dalam penentuan posisi partikel akhir metode RCE mampu menghasilkan posisi partikel yang dapat meningkatkan kualitas skema hasil clustering dan mampu memperkecil pengaruh equlibrium state terhadap kualitas skema clustering yang dilihat dari nilai standar deviasi kualitas skema clustering. 1.2 Rumusan Masalah Berdasarkan uraian latar belakang yang telah dipaparkan sebelumnya maka rumusan masalah yang akan diteliti adalah 1. Bagaimana meningkatkan kualitas hasil clustering dengan memperbaiki pusat klaster untuk mencari klaster yang padat? 2. Bagaimana pengaruh penerapan K-means untuk menentukan pusat klaster akhir dari RCE dilihat dari variansi hasil clustering? 1.3 Batasan Masalah Batasan masalah dari penelitian ini adalah 1. Jumlah partikel dan jumlah klaster yang akan dibangkitkan disesuaikan dengan jumlah kelas dataset. 2. Bobot inersia yang digunakan pada RCE sebasar 0.9 dengan decay rate sebesar Dataset diambil dari UCI Machine Learning Repository. Dataset tersebut adalah Iris, Wine, Glass, Dermatology, WDBC, CMC, Yeast, Texture, Optical Digits, Thyroid.
5 Keaslian Penelitian Berdasarkan beberapa studi pustaka yang telah dibaca dan ditinjau, penelitian mengenai clustering masih memiliki banyak pertanyaan yang dapat dikembangkan solusinya, diantaranya dengan melakukan penggabungan metode optimasi dan metode clustering seperti PSO dan K-means. Penggabungan metode Rapid Centroid Estimation (RCE) dan K-means belum pernah dilakukan. Beberapa penelitian lainnya yang telah melakukan penggabungan metode varian Particle Swarm Optimization (PSO) dengan K-means akan dipaparkan pada tinjauan pustaka. 1.5 Tujuan Penelitian Adapun tujuan penelitian yang ingin dicapai adalah sebagai berikut 1. Meningkatkan kualitas hasil clustering dengan memperbaiki pusat klaster untuk mencari klaster yang padat. 2. Mengevaluasi pengaruh penerapan metode K-means untuk menentukan pusat klaster akhir metode RCE dengan melihat variansi hasil clustering. 1.6 Manfaat Penelitian Penelitian ini diharapkan memberikan manfaat sebagai berikut 1. Dapat menjadi salah satu alternatif metode clustering data. 2. Dapat memberikan kontribusi pada bidang clustering khususnya yang memanfaatkan algoritma dari bidang swarm intelligence. 1.7 Metodologi Penelitian Tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut : 1. Studi Literatur Pada tahapan ini dilakukan pembacaan paper dan buku yang terkait dengan topik penelitian dan masalah yang diangkat dan juga dilakukan penulisan resensi untuk paper yang mengangkat kasus serupa. Paper-paper dan buku yang dibaca adalah yang membahas mengenai metode Particle Swarm Optimization serta pemanfaatan algoritma yang tergolong dalam
6 17 swarm intelligence khususnya Particle Swarm Optimization untuk memecahkan masalah clustering. 2. Perancangan Metode Clustering Pada tahap ini dilakukan perancang metode clustering RCE-Kmeans untuk melakukan clustering data. 3. Implementasi Metode Clustering Pada tahap ini dilakukan pengimplementasian rancangan metode clustering yang diusulkan ke dalam baris program. Program hasil pengimplementasian metode yang diusulkan tersebut kemudian digunakan untuk melakukan clustering pada pada dataset yang diperoleh dari UCI Machine Learning Dataset. Proses clustering akan dilakukan sebanyak 50 kali untuk masing-masing dataset dan masing-masing metode clustering yang berbeda. 4. Pengujian Metode Clustering Pada tahap pengujian, setiap algoritma clustering yaitu RCE, K-means, dan algoritma clustering yang diusulkan dibandingkan kualitas skema clusteringnya menggunakan alat ukur Overall Entropy, Overall Purity, Overall Percentage Misclassification, serta waktu eksekusinya. Overall Entropy, Overall Purity, Overall Percentage Misclassification dihitung sebanyak jumlah percobaan clustering yang dilakukan untuk setiap dataset yaitu sebanyak 50 kali percobaan. 5. Analisa hasil Clustering Pada tahap ini dilakukan perbandingan kualitas skema clustering dari metode yang diajukan dengan metode K-means dan RCE. Kemudian akan dilakukan analisa terhadap hasil pengukuran kualitas skema clustering untuk masing-masing dataset.
7 18 6. Penarikan Kesimpulan Pada tahap ini dilakukan penarikan kesimpulan untuk menjawab rumusan masalah penelitian dan memenuhi tujuan penelitian yang telah dijabarkan. Kesimpulan diperoleh dari analisa kualitas skema clustering yang dilakukan. 1.8 Sistematika Penulisan Tesis ini berisi 7 (tujuh) bab dengan rincian masing-masing bab sebagai berikut : Bab I Pendahuluan Bab ini berisikan uraian singkat tentang latar belakang penelitian, rumusan masalah, batasan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan. Bab II Tinjauan Pustaka Bab ini berisi uraian penelitian-penelitian serupa yang sudah pernah dilakukan dan dijadikan referensi dalam penelitian ini. Bab III Landasan Teori Bab ini berisi uraian teori-teori dasar yang berkaitan dengan metodemetode yang digunakan dalam penelitian ini. Metode-metode tersebut antara lain : K-means, PSO, PSC, mpsc, dan RCE. Bab IV Analisis dan Perancangan Bab ini berisi analisa terhadap metode clustering RCE yang merupakan varian dari Particle Swarm Optimization yang dikhususkan untuk memecahkan masalah clustering dimana metode K-means akan digunakan dalam penentuan posisi partikel akhir dari RCE untuk mendapatkan hasil clustering yang lebih stabil. Perancangan yang diuraikan adalah perancangan metode clustering, antarmuka sistem, dan perancangan pengujian sistem.
8 19 Bab V Implementasi Bab ini berisi implementasi metode clustering dari hasil analisis dan hasil perancangan yang telah dilakukan. Bab VI Hasil dan Pembahasan Bab ini berisi hasil clustering yang diperoleh, analisis hasil clustering, dan analisis perbandingan kualitas hasil clustering dari metode K-means, RCE, dan RCE-Kmeans. Bab VII Penutup Bab ini berisi Kesimpulan hasil penelitian dan saran untuk penelitian lebih lanjut.
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Perkembangan teknologi informasi yang semakin pesat berdampak pada terjadinya penurunan substansial dalam biaya penyimpanan data, peningkatan pesat
Lebih terperinciBAB I PENDAHULUAN BAB I. PENDAHULUAN
BAB I PENDAHULUAN BAB I. PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Clustering merupakan proses pengelompokan data menjadi kelompokkelompok atau klaster sehingga data-data yang berada dalam satu klaster
Lebih terperinciPERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
Jurnal POROS TEKNIK, Volume 5, No. 1, Juni 2013 : 18-23 PERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciPERBANDINGAN KINERJA METODE K-HARMONIC MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK KLASTERISASI DATA
PERBANDINGAN KINERJA METODE K-HARMONIC MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK KLASTERISASI DATA Ahmad Saikhu, Yoke Okta 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciKOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION
KOMPUTASI PARALEL UNTUK SEGMENTASI CITRA DIGITAL DENGAN PARTICLE SWARM OPTIMIZATION SKRIPSI Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Agustinus Kristiadi
Lebih terperinciBAB I PENDAHULUAN. teliti. Sehingga tidak terjadi bentrok baik antar mata pelajaran, guru, kelas
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan salah satu hal terpenting dalam suatu lembaga pendidikan, begitu juga untuk lingkup Sekolah Menengah Kejuruan (SMK). Penjadwalan pelajaran pada
Lebih terperinciImplementasi automatic clustering menggunakan particle swarm optimization dan genetic algorithm pada data kemahasiswaan
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi automatic clustering menggunakan particle swarm optimization dan genetic algorithm pada data kemahasiswaan
Lebih terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinciBAB I PENDAHULUAN. dan terkadang juga tidak mengikuti jam mata kuliah. Salah satu faktor
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi semakin pesat dan cepat, khususnya teknologi informasi dan komunikasi. Dengan segala aktifitas yang kian padat menjadikan sebagian orang
Lebih terperinciOptimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO)
TESIS Optimisasi Injeksi Daya Aktif dan Reaktif Dalam Penempatan Distributed Generator (DG) Menggunakan Fuzzy - Particle Swarm Optimization (FPSO) Dosen Pembimbing : Prof. Ir. Mochamad Ashari, M.Eng. Ph.D
Lebih terperinciPENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
PENGOPTIMALAN UMPAN BALIK LINEAR QUADRATIC REGULATOR PADA LOAD FREQUENCY CONTROL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oleh : Febriana Kristanti NRP. 1208201011 Dosen Pembimbing : 1. Dr. Erna Apriliani,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembentukan kelas belajar merupakan kegiatan rutin yang dilakukan oleh setiap sekolah pada setiap tahun ajaran baru. Pembentukan kelas biasanya dilakukan dengan membagi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Algorima Learning Vector Quantization yang dikembangkan oleh Kohonen merupakan metode pembelajaran terawasi (supervised learning) dan dikhususkan untuk klasifikasi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah proses membuat daftar, tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Dalam proses penjadwalan, kegiatan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Motor DC (Direct Current) Brushless atau disebut dengan Motor BLDC (Brushless Direct Current Motor) sangat banyak digunakan dalam berbagai macam aplikasi industri saat
Lebih terperinci1.PENDAHULUAN 1.1 Latar Belakang
1.PENDAHULUAN 1.1 Latar Belakang Pemakaian tenaga listrik dapat naik turun sebanding dengan besar kecilnya kegiatan dilakukan oleh manusia dalam periode tertentu. Untuk memenuhi kebutuhan listrik yang
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining Data Mining adalah proses pencarian pengetahuan dari suatu data berukuran besar melalui metode statistik, machine learning, dan artificial algorithm. Hal yang paling
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian pesatnya, seperti penelitian segmentasi dokumen. Segmentasi dokumen membuat pengguna menjadi mudah
Lebih terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK
BAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK Bab ini menjelaskan perancangan dan implementasi yang dilakukan. Tahap pertama dimulai dengan merancang beberapa classifier yaitu jaringan saraf tiruan
Lebih terperinciBAB II TINJAUAN PUSTAKA. 2.1 Optimasi Berbasis Particle Swarm
BAB II TINJAUAN PUSTAKA Bab ini akan menjelaskan landasan teori yang digunakan dalam pengerjaan tugas akhir. Pada dasarnya ada 2 buah varian PSO yang akan digunakan, yaitu optimasi berbasis particle swarm
Lebih terperinciANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION
TESIS ANALISIS PEMBANGKITAN JADWAL PERKULIAHAN DENGAN DISCRETE PARTICLE SWARM OPTIMIZATION ROCHIM WIDARYANTO No. Mhs. : 105301536/PS/MT PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM PASCASARJANA UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN A. Latar Belakang
BAB I PENDAHULUAN A. Latar Belakang Promosi adalah salah satu faktor yang diperlukan bagi keberhasilan bagi suatu perusahaan atau organisasi, maka promosi merupakan salah satu senjata ampuh bagi perusahaan
Lebih terperinciOPTIMASI NAÏVE BAYES CLASSIFIER DENGAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION PADA DATA IRIS
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 4, No. 3, September 2017, hlm. 180-184 e-issn: 2528-6579 OPTIMASI NAÏVE BAYES CLASSIFIER DENGAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
Lebih terperinciK-SUPPORT VECTOR NEAREST NEIGHBOR UNTUK KLASIFIKASI BERBASIS K-NN
K-SUPPORT VECTOR NEAREST NEIGHBOR UNTUK KLASIFIKASI BERBASIS K-NN Eko Prasetyo 1) 1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Bhayangkara Surabaya 2 Jalan A. Yani 11, Surabaya, 60231
Lebih terperinciDETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.
Lebih terperinci5. Struktur Penulisan Tesis
Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah Penelitian 4. Literature Review 5. Struktur Penulisan Tesis 6. Kesalahan Penulisan Tesis 7. Metode Eksperimen 8. Pengujian Tesis
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi robotika saat ini sudah begitu kompleks dengan berbagai macam bentuk dan fungsinya. Pada awal kemunculannya sudah dikenal robot dengan meniru bentuk dan fungsional
Lebih terperinciBAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode
BAB III K-MEANS CLUSTERING 3.1 Analisis Klaster Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Oleh karena itu, dalam analisis klaster tidak ada
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada era informasi, kebutuhan akan teknologi memberikan peranan yang sangat penting dalam mendukung aktivitas manusia. Salah satu contohnya adalah pengembangan teknologi
Lebih terperinciBAB I PENDAHULUAN. merupakan jaringan komputer yang terdiri dari beberapa intercommunicating
BAB I PENDAHULUAN 1.1 Latar Belakang Wireless Sensor Network (WSN) atau Jaringan Sensor Nirkabel merupakan jaringan komputer yang terdiri dari beberapa intercommunicating computers yang dilengkapi dengan
Lebih terperinciRekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya.
Rekonfigurasi jaring distribusi untuk meningkatkan indeks keandalan dengan mengurangi rugi daya nyata pada sistem distribusi Surabaya. RIZKIANANTO WARDANA M Misbach Fachri 2207100038 Sistem Tenaga Listrik
Lebih terperinciBAB I PENDAHULUAN. Seiring makin pesatnya perkembangan internet, dokumen-dokumen dari
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring makin pesatnya perkembangan internet, dokumen-dokumen dari internet ataupun milik pribadi juga semakin berkembang. Permasalahan utama adalah bagaimana memperoleh
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
2 BAB 2 TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy adalah suatu cara untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran. Logika fuzzy ditemukan oleh Prof.Lotfi A. Zadeh dari Universitas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Kredit merupakan salah satu usaha sekunder yang dapat dilakukan untuk pemenuhan kebutuhan sehari-hari. Pada umumnya, proses kredit dapat dilayani melalui lembaga keuangan
Lebih terperinciPEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS
PEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS Diana Purwitasari 1, Glory Intani Pusposari 2, Rully Sulaiman 3 Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Saat ini, kebutuhan manusia akan teknologi semakin meningkat karena tidak bisa dipungkiri bahwa teknologi tersebut dapat meringankan pekerjaan manusia. Hal ini juga diimbangi
Lebih terperinciIMPLEMENTASI THRESHOLDING CITRA MENGGUNAKAN ALGORITMA HYBRID OPTIMAL ESTIMATION
IMPLEMENTASI THRESHOLDING CITRA MENGGUNAKAN ALGORITMA HYBRID OPTIMAL ESTIMATION M Hafidh Fauzi 1, Prof.Ir.Handayani Tjandrasa, M.Sc., Ph.D 2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jaringan pipa air terdiri dari pipa-pipa yang saling terhubung yang
BAB III METODOLOGI PENELITIAN Jaringan pipa air terdiri dari pipa-pipa yang saling terhubung yang memungkinkan terjadinya aliran air dalam keadaan tunak dari satu atau lebih titik suplai kepada satu atau
Lebih terperinciOptimasi Kernel K-Means dalam Pengelompokan Kabupaten/Kota Berdasarkan Indeks Pembangunan Manusia di Indonesia
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 15, No. 1, Maret 2018, 1-15 Optimasi Kernel K-Means dalam Pengelompokan Kabupaten/Kota Berdasarkan Indeks Pembangunan Manusia di Indonesia
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Citra digital saat ini sudah menjadi kebutuhan banyak orang untuk berbagai macam keperluan. Hal ini dilihat dari betapa pentingnya peranan citra digital di berbagai
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4C3 EVOLUTIONARY COMPUTATION Disusun oleh: Untari Novia Wisesty Syahrul Mubarok PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR
Lebih terperinciJl. A. Yani Km 36 Banjarbaru, Kalimantan selatan Abstract
ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) UNTUK OPTIMASI NILAI CENTER RADIAL BASIS PROBABILISTIC NEURAL NETWORK (RBPNN) PADA KLASIFIKASI DATA BREAST CANCER Ela Nurmalasari 1, Oni Soesanto 2, Fatma Indriani
Lebih terperinciKlasifikasi Data Cardiotocography dengan Integrasi Metode Neural Network dan Particle Swarm Optimization
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Klasifikasi Data Cardiotocography dengan Integrasi
Lebih terperinciOPTIMISASI PARTICLE SWARM PADA PEMASANGAN JARINGAN PIPA AIR PDAM"
OPTIMISASI PARTICLE SWARM PADA PEMASANGAN JARINGAN PIPA AIR PDAM" Izak Habel Wayangkau Email : izakwayangkau@gmail.com Jurusan Teknik Informatika, Fakultas Teknik Universitas Musamus Merauke Abstrak Penelitian
Lebih terperinciClustering Nasabah Bank Berdasarkan Tingkat Likuiditas Menggunakan Hybrid Particle Swarm Optimization dengan K-Means
Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA) Vol.10, No.2, Agustus 2016 ISSN: 0852-730X Clustering Nasabah Bank Berdasarkan Tingkat Likuiditas Menggunakan Hybrid Particle Swarm Optimization dengan
Lebih terperinciPENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO)
PENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO) Levina Fitri Rahmawati, Isnandar Slamet, dan Diari Indriati Program
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Indonesia merupakan negara berkembang yang memiliki jumlah penduduk yang cukup banyak. Menurut hasil sensus penduduk tahun 2010 yang dikeluarkan
Lebih terperinciBAB I PENDAHULUAN. bit serta kualitas warna yang berbeda-beda. Semakin besar pesat pencuplikan data
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Citra digital merupakan suatu tampilan hasil dari proses digitalisasi citra analog yang diambil dari dunia nyata. Hasil dari proses digitalisasi citra analog
Lebih terperinciImplementasi Algoritma Fuzzy C Means Dan Statistical Region Merging Pada Segmentasi Citra
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Implementasi Algoritma Fuzzy C Means Dan Statistical Region Merging Pada Segmentasi Citra I Made Budi Adnyana STMIK STIKOM
Lebih terperinciPENERAPAN METODE PARTICLE SWARM OPTIMIZATION PADA OPTIMASI DISTRIBUSI LPG DARI AGEN KE TOKO KOMPETENSI KOMPUTASI SKRIPSI
PENERAPAN METODE PARTICLE SWARM OPTIMIZATION PADA OPTIMASI DISTRIBUSI LPG DARI AGEN KE TOKO KOMPETENSI KOMPUTASI SKRIPSI I MADE HARY KARTIKA PUTRA NIM. 0808605070 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini membahas tentang hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan, batasan masalah, manfaat, metodologi penelitian serta sistematika penulisan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Algoritma Genetika merupakan metode yang menggunakan evolusi alam sebagai gagasan utamanya dalam menyelesaikan suatu permasalahan tertentu. Algoritma ini diterapkan
Lebih terperinciJaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit
Jaringan Syaraf Tiruan dengan Pembelajaran Algoritma Genetika dan Diversitas untuk Deteksi Kelas Penyakit Abidatul Izzah 1), Ratih Kartika Dewi 2) 1)2) Jurusan Teknik Informatika ITS Surabaya Jl. Teknik
Lebih terperinciSEGMENTASI CITRA AKSARA JAWA MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION
SEGMENTASI CITRA AKSARA JAWA MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION Oskar Ika Adi Nugroho 1, Pranowo 2, Yudi Dwiyandianta 3 Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciPERBANDINGAN RAPID CENTROID ESTIMATION (RCE) K NEAREST NEIGHBOR (K-NN) DENGAN K MEANS K NEAREST NEIGHBOR (K-NN)
PERBANDINGAN RAPID CENTROID ESTIMATION (RCE) K NEAREST NEIGHBOR (K-NN) DENGAN K MEANS K NEAREST NEIGHBOR (K-NN) Khairul Umam Syaliman bin Lukman 1, M. Zulfahmi 2, Aldi Abdillah Nababan 3 1,2,3 Program
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penyimpanan dokumen secara digital berkembang dengan pesat seiring meningkatnya teknologi. Kondisi tersebut memunculkan masalah untuk mengakses informasi yang diinginkan
Lebih terperinciBAB I PENDAHULUAN. secara manual dari suatu kumpulan data. Defenisi lain data mining adalah sebagai
BAB I PENDAHULUAN I.1. Latar Belakang Data mining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual dari
Lebih terperinciBab 1 Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Permasalahan yang sering dihadapi oleh para investor saham adalah sulitnya mengalokasikan sejumlah modal yang dimiliki ke beberapa pilihan saham agar menghasilkan keuntungan
Lebih terperinciY Y V (1) max (3) Sementara di dalam persamaan untuk menghitung posisi partikel terdapat variabel Yi. merupakan nilai posisi partikel
1 IMPLEMENTASI DYNAMIC CLUSTER MENGGUNAKAN METODE K-MEANS CLUSTER DAN PARTICLE SWARM OPTIMIZATION UNTUK IDENTIFKASI KARAKTERISTIK LALU LINTAS BERDASARKAN JUMLAH DAN JENIS KENDARAAN Tsabbit Aqdami Mukhtar,
Lebih terperinciVukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya.
BAB I PENDAHULUAN 1.1. Latar Belakang Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid yang menggabungkan dua buah model soft computing yaitu algoritma genetika dan logika fuzzy. FEA
Lebih terperinciBAB I PENDAHULUAN. 1.1 Pendahuluan
I-1 BAB I PENDAHULUAN Pada bab ini diuraikan mengenai latar belakang, rumusan masalah, tujuan, serta batasan masalah dari tugas akhir. Selain itu, bab ini juga memaparkan metodologi dan sistematika pembahasan
Lebih terperinciOptimasi Parameter Kontroler PID Berbasis Particle Swarm Optimization untuk Pengendalian Kecepatan Motor Induksi Tiga Fase
Optimasi Parameter Kontroler PID Berbasis Particle Swarm Optimization untuk Pengendalian Kecepatan Motor Induksi Tiga Fase Suhartono Jurusan Teknik Elektro, Fakultas Teknologi Industri Institut Teknologi
Lebih terperinciDynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization
B251 Dynamic Optimal Power Flow Mempertimbangkan Carbon Capture And Storage Plants Menggunakan Metode Multi-Objective Particle Swarm Optimization Yauri Mahaputra, Rony Seto Wibowo, Ni Ketut Aryani Jurusan
Lebih terperinciOPTIMASI PEMBANGKITAN EKONOMIS PADA UNIT-UNIT PEMBANGKIT LISTRIK TENAGA DIESEL TELAGA MENGGUNAKAN MODIFIKASI PARTICLE SWARM OPTIMIZATION (MPSO).
OPTIMASI PEMBANGKITAN EKONOMIS PADA UNIT-UNIT PEMBANGKIT LISTRIK TENAGA DIESEL TELAGA MENGGUNAKAN MODIFIKASI PARTICLE SWARM OPTIMIZATION (MPSO). Fityan Thalib, Tri Pratiwi Handayani 1, dan Sabhan Kanata
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Job shop scheduling problem (JSSP) adalah permasalahan optimasi
BAB II TINJAUAN PUSTAKA 2.1 Job Shop Scheduling Problem (JSSP) Job shop scheduling problem (JSSP) adalah permasalahan optimasi kombinatorial. Misalkan terdapat n buah job atau pekerjaan, yaitu J 1, J 2,,
Lebih terperinci1 BAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Lembaga pendidikan tinggi di negara-negara berkembang harus berhadapan tuntutan terhadap pertumbuhan infrastruktur internet, khususnya apabila berada pada fase registrasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sering terdapat tenggang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciAlgoritma Evolusi Topik Lanjut Pada GA
Algoritma Evolusi Topik Lanjut Pada GA Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Hybrid Genetic Algorithms (HGAs) 2. Parallel Genetic Algorithms (PGAs) 3. Nilai Parameter Adaptif 4.
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only. BAB I PENDAHULUAN
1 BAB I PENDAHULUAN I.1 Latar Belakang Perkembangan teknologi khususnya komputer beberapa tahun terakhir ini sangat pesat. Pesatnya perkembangan juga dirasakan di berbagai disiplin ilmu termasuk kedokteran.
Lebih terperinciBAB I PENDAHULUAN. berdasarkan rencana pengaturan urutan kerja. Daftar atau tabel kegiatan atau
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, jadwal adalah pembagian waktu berdasarkan rencana pengaturan urutan kerja. Daftar atau tabel kegiatan atau rencana kegiatan dengan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Listrik dewasa ini menjadi salah satu kebutuhan yang sangat penting bagi kehidupan manusia. Teknologi dan ilmu pengetahuan yang tidak pernah henti perkembangannya mendorong
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan seminar proposal dan seminar hasil yang baik dan optimal tentu akan meningkatkan mutu pelayanan pendidikan bagi mahasiswa sebab mampu menjadwalkan sumberdaya
Lebih terperinciBAB 3 ANALISA SISTEM
BAB 3 ANALISA SISTEM Pada perancangan suatu sistem diperlakukan analisa yang tepat, sehingga proses pembuatan sistem dapat berjalan dengan lancar dan sesuai seperti yang diinginkan. Setelah dilakukan analisis
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi perangkat lunak dewasa ini tidak terlepas dari berkembangnya studi mengenai kecerdasan buatan. Ada dua hal yang termasuk dari kecerdasan buatan
Lebih terperinciBAB I PENDAHULUAN. yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah pengurutan pengerjaan produk secara menyeluruh yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan yang akan diselesaikan
Lebih terperinciBAB I PENDAHULUAN. Penjadwalan produksi flow shop merupakan kegiatan perencanaan
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan produksi flow shop merupakan kegiatan perencanaan produksi yang terdapat pada perusahaan manufaktur. Penjadwalan produksi melibatkan n job dan m mesin dalam
Lebih terperinciBAB IV HASIL DAN UJICOBA
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan data mining varian produk elektronik sound system dengan metode K-Means Clustering yang dapat
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Peternakan sapi perah di Indonesia sebagian besar masih dikelola secara sederhana/tradisional oleh peternak. Hal tersebut disebabkan latar belakang pendidikan yang
Lebih terperinciTINJAUAN PUSTAKA. terbentuklah suatu sistem tenaga listrik. Setiap GI sesungguhnya merupakan pusat
II. TINJAUAN PUSTAKA A. Operasi Sistem Tenaga Listrik Pusat-pusat listrik dan gardu induk satu sama lain dihubungkan oleh saluran transmisi agar tenaga listrik dapat mengalir sesuai dengan kebutuhan dan
Lebih terperinciBAB I PENDAHULUAN. digunakan untuk identitas citra adalah nama file, tanggal pengambilan,
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Seiring berkembangnya teknologi, makin banyak pulalah hasil-hasil citra digital di berbagai aspek. Citra tersebut bisa merupakan hasil digitalisasi foto-foto analog,
Lebih terperinciDynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-24 Dynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization Afif Nur
Lebih terperinciOPTIMASI PUSAT KLASTER MENGGUNAKAN ALGORITMA FAST GENETIC KMEAN PADA DATA BERDISTRIBUSI NORMAL
OPTIMASI PUSAT KLASTER MENGGUNAKAN ALGORITMA FAST GENETIC KMEAN PADA DATA BERDISTRIBUSI NORMAL Budi Nur Iman, Entin Martiana K, Umi Sa adah Politeknik Elektronika Negeri Surabaya (PENS), ITS Surabaya,
Lebih terperinciBAB I PENDAHULUAN. Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Saat ini, konsep data mining semakin dikenal sebagai tools penting dalam manajemen informasi karena jumlah informasi yang semakin besar jumlahnya. Data mining sendiri
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1.1 Latar Belakang 1 BAB I PENDAHULUAN Pengambilan keputusan pada perusahaan berskala nasional seperti perusahaan otomotif merupakan hal yang sangat penting. Dimana keputusan yang salah bisa mengakibatkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Citra digital telah digunakan secara luas pada era modern seperti sekarang ini, citra digital banyak dimanfaatkan untuk merekam informasi, komunikasi dan lain sebagainya.
Lebih terperinciFRAGILE IMAGE WATERMARKING BERBASIS DCT DENGAN OPERATOR EVOLUSI HYBRID OF PARTICLE SWARM OPTIMIZATION
FRAGILE IMAGE WATERMARKING BERBASIS DCT DENGAN OPERATOR EVOLUSI HYBRID OF PARTICLE SWARM OPTIMIZATION Ronsen Purba 1, Arwin Halim 2, Apin Ridwan 3, Rudy 4 Program Studi Teknik Informatika, STMIK Mikroskil
Lebih terperinciSEGMENTASI CITRA. thresholding
SEGMENTASI CITRA Dalam visi komputer, Segmentasi adalah proses mempartisi citra digital menjadi beberapa segmen (set piksel, juga dikenal sebagai superpixels). Tujuan dari segmentasi adalah untuk menyederhanakan
Lebih terperinciBAB I PENDAHULUAN. kepada pengguna tentang sebuah barang sesuai dengan karakteristik pengguna.
BAB I PENDAHULUAN 1.1 Latar Belakang Pengambilan keputusan adalah hal yang kita temukan dalam kehidupan sehari hari. Ketika diperhadapkan dengan permasalahan, sebagian besar orang akan mencari informasi
Lebih terperinciOPTIMASI PENJADWALAN PRAKTIKUM MENGGUNAKAN MODIFIED REAL CODE PARTICLE SWARM OPTIMIZATION (STUDI KASUS FAKULTAS IMU KOMPUTER UNIVERSITAS BRAWIJAYA)
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 3, No. 4, Desember 2016, hlm. 265-272 e-issn: 2528-6579 OPTIMASI PENJADWALAN PRAKTIKUM MENGGUNAKAN MODIFIED REAL CODE PARTICLE
Lebih terperinciBAB I PENDAHULUAN I.1. Latar Belakang [1] [2] [3] [4] [5]
BAB I PENDAHULUAN I.1. Latar Belakang Algoritma adalah prosedur komputasi yang terdefinisi dengan baik yang menggunakan beberapa nilai sebagai masukan dan menghasilkan beberapa nilai yang disebut keluaran.
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan makanan pokok sebagian besar penduduk dunia, termasuk penduduk Indonesia. Bangsa Indonesia telah menjadi bangsa yang terbesar mengkonsumsi beras di
Lebih terperinciBAB 1 PENDAHULUAN. Pengenalan pola adalah komponen esensial dalam kecerdasan buatan dan computer
BAB 1 PENDAHULUAN 1.1. Latar Belakang Manusia diberi karunia kecerdasan alami untuk mengenal tulisan, pola, obyek, suara, bilangan dan lain sebagainya. Tetapi, untuk membuat mesin untuk dapat mengenal
Lebih terperinci