PENGENALAN POLA TANDA TANGAN MENGGUNAKAN FUZZY KOHONEN CLUSTERING NETWORK
|
|
- Lanny Sasmita
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN FUZZY KOHONEN CLUSTERING NETWORK Krisna Nandian 1 ; Mars Jeremy 2 ; Ricki Chindra 3 ; Edy Irwansyah 4 1,2,3,4 Computer Science Department, School of Computer Science, BINUS University, Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat Krisna008@hotmail.com, meazza_15@yahoo.com, Rickic24@yahoo.com ABSTRACT The purpose of this research is to develop a signature recognition system using Fuzzy Kohonen Clustering Algorithm Network and use the data to access the results of the introduction of personal data. The methodology in this research is the analysis of the journal, data acquisition, image preprocessing, Hu Moment invariant, Min-max normalization, Fuzzy Kohonen clustering network, and testing. The results obtained in the form of pattern recognition accuracy rate of good signatures of 70%. The conclusion that can is fuzzy Kohonen clustering network can be used for the signature pattern classification, clustering results obtained better after in improved and better accuracy. Keywords: invariant moment, Fuzzy Kohonen clustering network, pattern recognition ABSTRAK Tujuan dari penelitian ini adalah mengembangkan sistem pengenalan tanda tangan menggunakan Algoritma Fuzzy Kohonen Clustering Network dan menggunakan data hasil pengenalan untuk mengakses data personal. Metodologi yang dilakukan pada penelitian ini adalah analisis jurnal, akusisi data, image preprocessing, Hu Moment Invariant, Min-max normalization, fuzzy kohonen clustering network, dan pengujian. Hasil yang didapatkan berupa tingkat akurasi pengenalan pola tanda tangan yang baik yaitu 70%. Kesimpulan yang di dapat adalah fuzzy kohonen clustering network dapat digunakan untuk klasifikasi pola tanda tangan, hasil clustering yang didapat lebih baik setelah di improved dan tingkat akurasi yang baik. Kata Kunci : moment invariant, fuzzy kohonen clustering network, pengenalan pola PENDAHULUAN Pada masa kini, ada beberapa cara untuk mengecek validitas data pribadi seseorang. Mulai dari tanda tangan sampai menggunakan fingerprint. Pada kesempatan kali ini akan dibahas validitas data menggunakan tanda tangan. Tanda tangan adalah tanda sebagai lambang nama yang dituliskan dengan tangan oleh orang itu sendiri sebagai penanda pribadi. Tanda tangan sering digunakan dalam verifikasi data baik dalam sekolah, bank, perusahaan, rumah sakit, pemerintahan dan masih banyak lagi. Tanda tangan setiap orang berbeda-beda, sangat kecil kemungkinan untuk menemukan tanda tangan yang sama antara individu satu dengan lainnya. Bentuk tanda tangan seseorang kadang bisa terdapat perbedaan, namun perbedaannya tidak terlalu signifikan. Ini bisa disebabkan oleh banyak hal seperti suasana hati (mood) dan posisi saat membubuhkan tanda tangan. Suasana hati (mood) seseorang bisa berubah-ubah misalnya orang tersebut sedang gembira maka tanda tangan yang ia bubuhkan bisa sangat baik, bisa juga dikarenakan mood seseorang sedang tidak bagus atau sedang marah maka tanda tangan orang tersebut bisa berbeda dengan aslinya Membubuhkan tanda tangan juga bisa mempengaruhi bentuk tanda tangan, sebagai contoh tanda tangan orang pada saat duduk maupun berdiri dapat menghasilkan bentuk atau pola yang berbeda.
2 Dikarenakan pentingnya fungsi tanda tangan, ada banyak pihak yang ingin memanipulasi tanda tangan orang lain. Duplikasi tanda tangan dapat merugikan dan termasuk dalam ranah pidana. Tindak Pidana yang sering terjadi adalah berkaitan dengan Pasal 263 KUH.Pidana (membuat surat palsu atau memalsukan surat); dan Pasal 264 (memalsukan akta-akta otentik) dan Pasal 266 KUH.Pidana (menyuruh memasukkan keterangan palsu ke dalam suatu akta otentik). Untuk mengidentifikasi tanda tangan bisa dipastikan secara online maupun offline. Online Signature Recognition digunakan dengan cara membubuhkan tanda tangan pen tablet sedangkan Offline Signature Recognition digunakan dengan menggunakan scanner. METODE PENELITIAN Metode penelitian yang digunakan pada penelitian ini adalah : 1. Analisis jurnal internasional dan nasional. 2. Akuisisi data dengan mengumpulkan tanda tangan. 3. Image preprocessing mengubah tanda tangan menjadi binary image. 4. Hu moment invariant untuk menormalisasi tanda tangan terhadap perubahan skala, rotasi, dan transformasi. 5. Min-max normalization untuk mengubah nilai moment berada pada jarak 0 dan Klasifikasi tanda tangan dengan algoritma Fuzzy Kohonen Clustering Network. 7. Pengujian hasil: tanda tangan hasil latih selanjutnya diuji dengan tanda tangan yang asli. HASIL DAN BAHASAN Berikut ini merupakan rancangan flowchart dari algoritma Fuzzy Kohonen Clustering Network : Gambar 1 Flowchart Fuzzy Kohonen Clustering Network
3 Berikut ini adalah penjelasan mengenai proses yang terjadi didalam flowchart: 1. Data Akuisisi Dalam penelitian ini dikumpulkan data sebanyak 80 tanda tangan didapat dari 10 responden, dimana masing-masing responden diambil 8 tanda tangan yaitu pada posisi duduk dan dalam keadaan tenang. Pada tahap training akan digunakan data sebanyak 50 tanda tangan dan untuk pengujian digunakan 30 tanda tangan. 2. Image Preprocessing Citra tanda tangan yang sudah di scan akan diubah menjadi bentuk Red Green Blue (RGB), kemudian data ini diubah menjadi Grayscale supaya lebih mudah dibentuk kedalam Binary Image dengan value 1 dan 0. Selanjutnya border yang terdapat pada data ini akan dihapus, kemudian akan dilakukan pencarian terhadap lokasi pixel yang bukan 0. a. Original Image b. RGB Image c. Grayscale Image d. Inverted Binary Image e. Penghapusan Border f. Ekstrak bounding box Gambar 2. Image Preprocessing 3. Hu Moment Invariant Untuk ekstraksi fitur akan digunakan Hu Moment Invariant. Metode ini berguna untuk menormalisasi gambar yang berubah-ubah dikarenakan perubahan skala, rotasi dan skala. Tanda tangan responden akan dinormalisasi menjadi : 1. Regular Moment: Moment yang didapatkan dari boundary bentuk dan daerah interior, diubah menjadi fungsi supaya diimplementasi untuk citra digital 2. Moment pusat: Centroid citra digunakan untuk menormalisasi invariant translasi dalam bidang citra.
4 3. Normalisasi moment pusat: untuk menormalisasi perubahan skala 4. Tujuh fungsi non linear: menormalisasi tanda tangan dari perubahan skala, translasi dan rotasi. Setelah dinormalisasi, tanda tangan sudah dianggap sebagai gambar yang asli, ini dapat memudahkan proses klasifikasi. Moment invariant 50 tanda tangan ini, dimasukkan kedalam Microsoft Excel sebelum diklasifikasi. 4. Min-Max Normalization Moment Invariant tanda tangan ini kemudian akan dinormalisasi menggunakan Min-Max Normalization supaya berada dalam range 0 sampai Fuzzy Kohonen Clustering Network (FKCN) Fuzzy Kohonen Clustering Network (FKCN) menggabungkan learning rate yang dimiliki F C-Mean (FCM) dan update all vector yang dimiliki KCN. Algoritma FKCN: 1. Komputasi laju pembelajaran: (1) = 3 t = 3 (2) (3) 2. Improved laju pembelajaran : tu = 0.7 td = 0.3 mu = 0.4 md = 3 (4) 3. Update all weight vector: (5) 4. Komputasi: (6) 5. Jika < E,else t=t+1 kembali ke langkah (1)
5 Setelah mendapatkan cluster center, data Moment Invariant akan di cluster menggunakan Euclidean Distance dengan memakai cluster center FKCN. 6. Pengujian. Tahap pengujian dilakukan dengan menguji 30 tanda tangan satu per satu. Tanda tangan akan dikenali dengan melihat jarak yang dimiliki tanda tangan terhadap cluster center, jika berada dalam jarak minimum euclidean yang sudah diatur maka tanda tangan akan dikenali. Namun, jika tanda tangan berada diluar jarak yang sudah ditentukan, maka bukan merupakan tanda tangan yang asli. Berikut ini hasil penelitian yang sudah dilakukan: Gambar 3. Data hasil pelatihan tanda tangan dalam berbagai posisi Pada pelatihan tanda tangan dalam berbagai kondisi yaitu duduk, berdiri, dan terburu-buru. Kami menemukan bahwa tanda tangan pada kondisi tertentu juga mempengaruhi sebuah tanda tangan. Dapat dibuktikan bahwa tingkat akurasi yang di dapat sangat rendah yaitu 74%. Hal itu membuktikan bahwa keseragaman tanda tangan pada berbagai kondisi berbeda. Dari pelatihan yang dilakukan terhadap 50 tanda tangan dari 10 responden, didapatkan hasil pelatihan sebagai berikut:
6 Gambar 4. Data hasil pelatihan Dari data pelatihan menunjukkan bahwa FKCN mampu mengenali tanda tangan sebanyak 66% dan 44% lainnya mengarah pada tanda tangan responden lain.pada tanda tangan orang ke-1, ke-3 dan ke-8 membuat akurasi hasil pelatihan berkurang banyak. Untuk mengetahui kemampuan Fuzzy Kohonen Clustering Network dalam pengenalan pola tanda tangan maka dilakukan pengujian, yang datanya diambil diluar data pelatihan sebagai berikut: Gambar 5. Data hasil pengujian Dari data pengujian menunjukkan bahwa FKCN mampu mengenali tanda tangan sebanyak 70% dan 30% lainnya mengarah pada tanda tangan responden lain. Pada tanda tangan orang ke-1, ke-3 dan ke-8 membuat akurasi hasil pelatihan berkurang banyak, sama seperti hasil pelatihan.
7 Pada data pelatihan maupun pengujian terdapat 3 data yang memiliki akurasi rendah yaitu tanda tangan orang ke 1, 3, dan 8. Seperti yang kita lihat di tabel pelatihan tanda tangan orang ke-1 menghasilkan akurasi 0% dan ke-3,ke-8 menghasilkan akurasi 20%. Pada tabel pengujian tanda tangan orang ke-1,ke-8 menghasilkan akurasi 0% dan orang ke-3 menghasilkan akurasi 33.3%. Hal ini disebabkan karena data moment yang dihasilkan hampir berdekatan antara tanda tangan tersebut dengan tanda tangan orang lain. Sehingga menyebabkan klasifikasi tanda tangan tersebut menunjuk ke cluster yang berbeda. Gambar 6. Data hasil pelatihan tanda tangan tiruan. Setelah melakukan 3 tanda tangan tiruan untuk masing-masing orang. Hasil yang di dapat dalam melakukan pengujian tersebut hanya memiliki akurasi sebesar 66.6%. Hanya terdapat 2 tanda tangan yang menunjukan ke cluster yang benar. Hal tersebut dikarenakan tanda tangan orang yang berhasil ditiru dengan sempurna dan juga tanda tangan yang berhasil ditiru dengan sempurna memiliki kompleksitas tanda tangan yang sangat rendah. Oleh karena itu program tersebut membaca tanda tangan palsu sebagai tanda tangan asli SIMPULAN DAN SARAN Berdasarkan hasil dari perbandingan yang telah dilakukan, maka dapat ditarik beberapa simpulan sebagai berikut : 1. Pengenalan pola tanda tangan dengan menggunakan Fuzzy Kohonen Clustering Network dapat dipakai untuk mengenali tanda tangan. 2. Tanda tangan setiap orang berbeda, namun moment invariant yang dihasilkan hampir berdekatan. 3. Cluster center yang didapatkan dari Fuzzy Kohonen Clustering Network lebih baik setelah di improved. 4. Tingkat akurasi yang dihasilkan oleh FKCN adalah 54% untuk data pelatihan dan 60% untuk data pengujian. Setelah FKCN yang di improved akurasi menjadi lebih baik yaitu 66% untuk data pelatihan dan 70% untuk data pengujian. Pada penelitian ini masih terdapat beberapa hal lain perlu dikembangkan. Saran-saran yang dapat diberikan untuk perkembangan penelitian lebih lanjut yaitu :
8 1. Data Moment Invariant yang didapatkan berdekatan atau hampir sama, untuk penelitian lebih lanjut bisa menggunakan metode ekstraksi fitur lainnya atau mengembangkan Hu Moment Invariant. 2. Diperlukan penelitian lebih lanjut mengenai Fuzzy Kohonen Clustering Network. Untuk mendapatkan tingkat akurasi yang lebih baik. 3. Dibutuhkan pengujian dengan data yang lebih banyak untuk mengehetahui tingkat akurasi maksimum. REFERENSI Ahmed, H., Shukla, S., & Rai, H. M. (2014, February). Static Handwritten Signature Recognition Using Discrete Random Transform and Combined Projection Based Technique. In Advanced Computing & Communication Technologies (ACCT), 2014 Fourth International Conference on (pp ). IEEE. Ainun, Jariah and Mohammad Isa, Irawan and Imam, Mukhlash. (2011). Pengenalan Pola Tanda Tangan Menggunakan Metode Moment Invariant dan Jaringan Syaraf Radial Basis Function (RBF). Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta Chaudhari, B. M., Barhate, A. A., & Bhole, A. A. (2009, June). Signature recognition using fuzzy min-max neural network. In Control, Automation, Communication and Energy Conservation, INCACEC International Conference on (pp. 1-7). IEEE. Ismail, I. A., Ramadan, M. A., El Danf, T., & Samak, A. H. (2008, August). Automatic signature recognition and verification using principal components analysis. In Computer Graphics, Imaging and Visualisation, CGIV'08. Fifth International Conference on (pp ). IEEE Danalis, A.; McCurdy, C.; Vetter, J.S (2012). Efficient Quality Threshold Clustering for Parallel Architectures," Parallel & Distributed Processing Symposium (IPDPS), 2012 IEEE 26th International Dhillon, I., Guan, Y., dan Kulis, B. (2004). A unified view of kernel k-means, spectral clustering and graph cuts. Computer Science Department, University of Texas at Austin. Gogoi, Ricky dan Kandarpa Kumar Sarma.(2012). ANFIS based Information Extraction using K- means Clustering for Application in Satellite Images. International Journal Of Computer Applications 50(7): Gregorius S. Budhi,Arlinah I. Rahardjo, Hendrawan Taufik. (2008). Hierarchical Clustering Untuk Aplikasi Automated Text Integration.Universitas Kristen Petra Jurusan Teknik Informatika. Jana, P. K., & Naik, A. (2009). An efficient minimum spanning tree based clustering algorithm. In Methods and Models in Computer Science, ICM2CS Proceeding of International Conference on (pp. 1-5). IEEE. Kurniastuti, Ima. (2012). Desain Sistem Deteksi Kerusakan Jaringan Dermis Dari Citra Mikroskop Digital Menggunakan Metode Ekstrasi Fitur. Surabaya. Universitas Airlangga.
9 Lestari, Wiji.(2011). SISTEM CLUSTERING KECERDASAN MAJEMUK MAHASISWA MENGGUNAKAN ALGORITMA SELF ORGANIZING MAPS (SOM). STIMIK DUTA BANGSA.Surakarta Moreira, A., Santos, M. Y., dan Carneiro, S. (2005). Density-based clustering algorithms DBSCAN and SNN. Available at: get. dsi. uminho. pt/local/download/snn&dbscan. pdf. Muhammad, F. and Irwansyah, E. (2014). Building Damage Hazard Zonation Using FKCN and IDWAlgorithm. JATIT & LLS. Vol.70. No.2 Nirmawati, Dewi Ary. (2012). Deteksi Kelainan Kanker Serviks (CARSINOMA SERVIKS UTERI) Pada Citra Hasil Rekaman CT-SCANMenggunakan Jaringan Syaraf Tiruan. Surabaya. Universitas Airlangga. Reynolds, D.(2009). Gaussian mixture models. Encyclopedia of Biometrics, Roni Salambue.(2013). Pengenalan Pola Tanda Tangan dengan Metode Moment Invariant dan Euclidean Distance. Prosiding Semirata FMIPA Universitas Lampung. ( ). Russel, Stuart and Peter Norvig.(2013). Modern Approach. Prentice Hall,.Englewood Cliff.NewJersey RIWAYAT HIDUP Krisna Nandian lahir di kota Jakarta pada 3 September Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun Ricki Chindra lahir di kota Tangerang pada tanggal 17 November Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun Mars Jeremy lahir di kota Jakarta pada tanggal 14 November Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun 2015.
PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF RADIAL BASIS FUNCTION (RBF)
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Yogyakarta, 14 Mei 2011 PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMENT INVARIANT DAN JARINGAN SYARAF
Lebih terperinciSISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
SISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Pradityo Utomo Program Studi D3 Manajemen Informatika Universitas Merdeka Madiun pradityou@gmail.com ABSTRACT Information
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Tahap 1 : Identifikasi Permasalahan Mencari literatur-literatur yang berhubungan dengan bahan penelitian. Tahap 2 : Pengambilan Data Training : Testing 5 : 1 150 : 30 Dari 10 responden
Lebih terperinciIdentifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur
Identifikasi Tanda Tangan Dengan Ciri Fraktal dan Perhitungan Jarak Euclidean pada Fakultas Teknologi Informasi Universitas Budi Luhur Cahya Hijriansyah 1, Achmad Solichin 2 1,2 Program Studi Teknik Informatika
Lebih terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
Lebih terperinciBAB 3 Metodologi 3.1 Kerangka Berpikir
BAB 3 Metodologi 3.1 Kerangka Berpikir Kerusakan bangunan akibat gempa bumi menjadi salah satu penyebab dominan jatuhnya korban jiwa. Dibutuhkan suatu upaya untuk meminimalisasikan kerusakan bangunan akibat
Lebih terperinciDIAGNOSA PENYAKIT PARU EFUSI PLEURA DENGAN PENDEKATAN POSSIBILISTIC FUZZY LEARNING VECTOR QUANTIZATION SKRIPSI
DIAGNOSA PENYAKIT PARU EFUSI PLEURA DENGAN PENDEKATAN POSSIBILISTIC FUZZY LEARNING VECTOR QUANTIZATION SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika Disusun
Lebih terperinciREALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION
REALISASI PERANGKAT LUNAK UNTUK MEMVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FITUR LOCALITY PRESERVING PROJECTION FadliWitular (0822043) Jurusan Teknik Elektro Universitas
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciVerifikasi Tanda Tangan Dengan Algoritma K-Nearest Neighbor dan Ekstraksi Ciri Harris Corner
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Verifikasi Tanda Tangan Dengan Algoritma K-Nearest Neighbor dan Ekstraksi Ciri Harris Corner Andi Kartono *1, Derry Alamsyah 2 1 STMIK GI MDP; Jl.
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 terperinciSISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
SISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) 1 Pradityo Utomo dan 2 Setiyo Daru Cahyono 42 1 Program Studi Magister Ilmu Komputer, Universitas
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 terperinciPENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF)
PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE MOMEN INVARIAN DAN RADIAL BASIS FUNCTION (RBF) AINUN JARIAH 1209201721 DOSEN PEMBIMBING 1. Prof. Dr. Mohammad Isa Irawan, M.T 2. Dr Imam Mukhlas, S.Si, M.T
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Klasifikasi Klasifikasi adalah sebuah proses untuk menemukan sebuah model yang menjelaskan dan membedakan konsep atau kelas data dengan tujuan memperkirakan kelas dari suatu objek
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciAplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian
Aplikasi Algoritma Competitive Network Untuk Clustering Minat Mahasiswa Terhadap Topik-Topik Penelitian Wiji Lestari, Singgih Purnomo STMIK Duta Bangsa Surakarta ABSTRAK Clustering adalah suatu metode
Lebih terperinciIDENTIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACK-PROPAGATION DAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAP
IDENTIFIKASI TANDA TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACK-PROPAGATION DAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAP Giellis Kurniati Putri¹, Bambang Hidayat², Achmad Rizal³ ¹Teknik Telekomunikasi,,
Lebih terperinciSISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)
SISTEM DETEKSI PRA PANEN PADI BERDASARKAN WARNA DAUN DENGAN MENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ) Pradityo Utomo 1) dan Setiyo Daru Cahyono 2) 1) Program Studi Magister Ilmu Komputer, Universitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tanaman karet merupakan tanaman yang memiliki peran penting di bidang industri terutama sebagai bahan baku di bidang industri ban dan otomotif (Sinaga, 2011). Indonesia
Lebih terperinciOleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.
Oleh: Angger Gusti Zamzany(1210100 073) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI PENGUJIAN
Lebih terperinciJurnal Pendidikan Fisika Indonesia 7 (2011) RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE
ISSN: 1693-1246 Januari 2011 Jurnal Pendidikan Fisika Indonesia 7 (2011) 47-51 J P F I http://journal.unnes.ac.id RANCANG BANGUN SISTEM PENGENALAN POLA SIDIK JARI MENGGUNAKAN METODE MINUTIAE Sudartono*,
Lebih terperinciPENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ)
PENGENALAN AKSARA BALI MENGGUNAKAN METODE MODIFIED DIRECTION FEATURE DAN ALGORITMA GENERALIZED LEARNING VECTOR QUANTIZATION (GLVQ) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN DEVIYANTI SEPTIARI NIM. 1108605004
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
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 terperinciPENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE
PENGENALAN TULISAN TANGAN MENGGUNAKAN EKSTRAKSI CIRI WAVELET TRANSFORM DARI PROJECTION PROFILE Radian Rizki Triadhi NRP : 1222033 E-mail : radianrizkitriadhi@ymail.com ABSTRAK Pengenalan tulisan tangan
Lebih terperinciSYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM)
SYSTEM IDENTIFIKASI GANGGUAN STROKE ISKEMIK MENGGUNAKAN METODE OTSU DAN FUZZY C-MEAN (FCM) Jani Kusanti Program Studi Teknik Informatika, Fakultas Teknik Elektro dan Informatika Universitas Surakarta (UNSA),
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 terperinciPENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING
A-99 PENGELOMPOKKAN PERFORMA AKADEMIK MAHASISWA BERDASARKAN INDEKS PRESTASI MENGGUNAKAN K-MEANS CLUSTERING Rachmad Zaini Alberto 1, Winda Kurnia Sari 2, Samsuryadi 3, Anggina Primanita 4 1,2,3,4 Fakultas
Lebih terperinciKLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI
KLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri
Lebih terperinciAPLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK
APLIKASI CONTENT BASED IMAGE RETRIEVAL DENGAN FITUR WARNA DAN BENTUK Arwin Halim 1, Hardy 2, Alvin Yufandi 3, Fiana 4 Program Studi Teknik Informatika, STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 1-6 1 Pengenalan Tulisan Tangan Huruf Latin Bersambung Secara Real Time Menggunakan Algoritma Learning Vector Quantization Ulir Rohwana dan M Isa Irawan
Lebih terperinciPENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT
Mikrotiga, Vol, No. Mei 0 ISSN : 0 PENGENALAN SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS SCALED CONJUGATE GRADIENT Suci Dwijayanti *, Puspa Kurniasari Jurusan Teknik Elektro Universitas Sriwijaya,
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciPENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS)
PENGENALAN WAJAH DENGAN MENGGUNAKAN NLDA (NULL-SPACE LINEAR DISCRIMINANT ANALYSIS) Disusun oleh : Yudi Setiawan (0722095) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, No.
Lebih terperinciPENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI
PENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 imanhk@binus.edu
Lebih terperinciBAB 4. Sistem Yang Diusulkan
61 BAB 4 Sistem Yang Diusulkan 4.1 Kerangka Sistem Pada bagian ini dijelaskan lebih lanjut mengenai kerangka sistem yang diusulkan serta urut-urutan sistem berjalan. 4.1.1 Pengambilan Data Pada proses
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dibahas tentang latar belakang, perumusan masalah, tujuan penelitian, manfaat penelitian, dan kontribusi penelitian. Masalah-masalah yang dihadapi berkaitan dengan melakukan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan air
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4I3 SISTEM REKOGNISI Disusun oleh: Tjokorda Agung Wirayudha PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester
Lebih terperinciABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha
ABSTRAK Content-Based Image Retrieval (CBIR) adalah proses untuk mendapatkan suatu citra berdasarkan konten-konten tertentu, konten yang dimaksud dapat berupa tekstur, warna, bentuk. CBIR pada dasarnya
Lebih terperinciPERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME
PERBANDINGAN ANTARA METODE KOHONEN NEURAL NETWORK DAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN TULISAN TANGAN SECARA REAL TIME Nama Mahasiswa : Asworo NRP : 205 00 077 Jurusan : Matematika FMIPA-ITS
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciBAB I 1 PENDAHULUAN. 1.1 Latar Belakang
BAB I 1 PENDAHULUAN 1.1 Latar Belakang Bidang komputer merupakan suatu bidang yang tidak akan pernah berhenti dan selalu berkembang kegunaanya hingga sekarang ini. Teknologi baru dan aplikasi baru selalu
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha
ABSTRAK Tanda tangan merupakan sesuatu yang unik yang dimiliki setiap orang sehingga seringkali dipakai untuk menentukan keabsahan dokumen ataupun transaksi. Akan tetapi tanda tangan menjadi rentan terhadap
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 terperinciDAFTAR ISI. KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i. DAFTAR TABEL... vi. DAFTAR GAMBAR... vii
DAFTAR ISI KATA PENGANTAR... Error! Bookmark not defined. DAFTAR ISI... i DAFTAR TABEL... vi DAFTAR GAMBAR... vii BAB I PENDAHULUAN... Error! Bookmark not defined. 1.1 Latar Belakang... Error! Bookmark
Lebih terperinciPENERAPAN ILMU GRAFOLOGI DALAM MEMBANGUN PIRANTI PENGANALISA TULISAN TANGAN MELALUI EKSTRAKSI FITUR BENTUK
PENERAPAN ILMU GRAFOLOGI DALAM MEMBANGUN PIRANTI PENGANALISA TULISAN TANGAN MELALUI EKSTRAKSI FITUR BENTUK Dian Pratiwi 1), Anung Barlianto Ariwibowo. 2) 3) Fetty Octaviyanti 1) Jurusan Teknik Informatika
Lebih terperinciSEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )
SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN Evelyn Evangelista (1022004) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof. Drg. Suria
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI
IDENTIFIKASI TANDA TANGAN DENGAN DETEKSI TEPI DAN KOEFISIEN KORELASI Harry Santoso Program Studi Teknik Informatika, Unika Soegijapranata Semarang harrysantoso888@gmail.com Abstract Signature is a proof
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciJURNAL PENGELOMPOKAN SKRIPSI MENGGUNAKAN SELF ORGANIZING MAPS CLUSTERING (STUDI KASUS : PRODI TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI)
JURNAL PENGELOMPOKAN SKRIPSI MENGGUNAKAN SELF ORGANIZING MAPS CLUSTERING (STUDI KASUS : PRODI TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI) CLASSIFICATION OF THESIS USING SELF ORGANIZING MAPS CLUSTERING
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
Lebih terperinciSISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION
SISTEM PENGENALAN TULISAN TANGAN REAL TIME MENGGUNAKAN METODE DOMINANT POINT DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Oleh: Bakhtiar Arifin (1206 100 722) Dosen Pembimbing: Prof. DR. M.
Lebih terperinciKlasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor
Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor Febri Liantoni Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Adhi Tama Surabaya, Indonesia
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1), Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciIDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE
IDENTIFIKASI TANDA TANGAN DENGAN PENDEKATAN SUPPORT VECTOR MACHINE Endina Putri P 1, Diyah Puspitaningrum 2, Andre Mirfen 3 1,2,3 Program Studi Teknik Infomatika, Fakultas Teknik, Universitas Bengkulu.
Lebih terperinciPERANCANGAN APLIKASI PENGENAL KARAKTER UNTUK PERHITUNGAN MATEMATIKA BERBASIS TESSERACT
PERANCANGAN APLIKASI PENGENAL KARAKTER UNTUK PERHITUNGAN MATEMATIKA BERBASIS TESSERACT Ronaldi Kurniawan Saphala 1 ; Naufal Faherza Putra 2 ; Dennis Filemon 3 ; Dr.Ir.Haryono Soeparno, M.Sc 4 1,2,3,4 Computer
Lebih terperinciSCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING
SCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING Erick Alfons Lisangan Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar Alamat email : erick_lisangan@lecturer.uajm.ac.id
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciKlasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform)
Klasifikasi dan Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT (Fast Fourier Transform) Salahuddin 1),Tulus 2), dan Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciKLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
KLASIFIKASI DAN PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1), Tulus 2), F. Fahmi 3) Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe 1) Jl. B. Aceh-Medan
Lebih terperinciKLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM
KLASIFIKASI KUALITAS TELUR ASIN BERDASARKAN CITRA RED GREEN BLUE MENGGUNAKAN ADAP TIVE NEURO FUZZY INFERENCE SYSTEM Maimunah Program Studi Teknik Komputer Universitas Islam 45 Email: maimaimuna@gmail.com
Lebih terperinciPENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA
PENERAPAN ALGORITMA PARTITIONING AROUND MEDOIDS (PAM) CLUSTERING UNTUK MELIHAT GAMBARAN UMUM KEMAMPUAN AKADEMIK MAHASISWA 1 Yulison Herry Chrisnanto, 2 Gunawan Abdillah 1,2 Jurusan Informatika Fakultas
Lebih terperinciPENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM)
Peningkatan Kualitas Citra Sidik Jari Menggunakan FFT...Salahuddin, dkk PENINGKATAN KUALITAS CITRA SIDIK JARI MENGGUNAKAN FFT (FAST FOURIER TRANSFORM) Salahuddin 1, Tulus 2 dan Fahmi 3 1) Magister Teknik
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika. Skripsi Sarjana Komputer. Semester Ganjil tahun 2007/2008 OTOMATISASI SEGMENTASI DOKUMEN
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2007/2008 OTOMATISASI SEGMENTASI DOKUMEN DENGAN PENDEKATAN GRAY LEVEL CO-OCCURRENCE MATRIX BERBASIS
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciHUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION
HUBUNGAN JUMLAH INPUT LAYER DAN OUTPUT LAYER NEURAL NETWORK TERHADAP TINGKAT AKURASI SISTEM HANDWRITING RECOGNITION DENGAN METODE BACKPROPAGATION Harjono, Didik Warasto Politeknik Pratama Mulia Surakarta
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciPenggunaan Ciri Geometric Invariant Moment pada Pengenalan Tanda Tangan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 859-867 http://j-ptiik.ub.ac.id Penggunaan Ciri Geometric Invariant Moment pada Pengenalan Tanda
Lebih terperinciVerifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC)
Verifikasi Sidik Jari Menggunakan Pencocokan Citra Berbasis Fasa Dengan Fungsi Band-Limited Phase Only Correlation (BLPOC) Adryan Chrysti Sendjaja (1022005) Jurusan Teknik Elektro Universitas Kristen Maranatha
Lebih terperinciKlasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor
Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor Febri Liantoni Jurusan Teknik Informatika, Institut Teknologi Adhi Tama, Surabaya, Indonesia febri.liantoni@gmail.com
Lebih terperinciRabiner L, Juang BH Fundamental of Speech Recognition. New Jersey: PTR Prentice-Hall, Inc. Reynolds D.A An Overview of Automatic
DAFTAR PUSTAKA Bolat B, Yildirim T. 2003. Performance increasing methods for probabilistic Neural Networks. Pakistan Journal of Information and Technology 2(3):250-255. Campbell, J.P., 1997, Speaker Recognition:
Lebih terperinciKLASIFIKASI POLA SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK ANALISA KARAKTERISTIK SESEORANG
KLASIFIKASI POLA SIDIK JARI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK ANALISA KARAKTERISTIK SESEORANG [1] Ahmad Fahrudi Setiawan, [2] Alam Katon Agung [1], [2] Institut Teknologi Nasional
Lebih terperinciPENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN JARINGAN SYARAF TIRUAN ADAPTIVE RESONANCE THEORY TWO (ART-2)
PENGENALAN WAJAH MANUSIA MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN JARINGAN SYARAF TIRUAN ADAPTIVE RESONANCE THEORY TWO (ART-2) SKRIPSI Disusun Sebagai Salah Satu Syarat Menyelesaikan Program Studi
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 terperinciSistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT
Sistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT Regina Lionnie 1, Mudrik Alaydrus 2 Program Studi Magister Teknik Elektro, Universitas Mercu Buana, Jakarta 1 regina.lionnie.id@ieee.org,
Lebih terperinciPENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI
F12 menggunakan verifikasi sidik jari yang diharapkan akan PENGGUNAAN METODE POINCARE INDEX DALAM PENDETEKSIAN LETAK COREPOINT PADA SIDIK JARI Fila Harmuningtyas 1), Indah Agustien 2) Fitri Damayanti 3)
Lebih terperinciPengenalan Tanda Tangan melalui Pengolahan Citra Digital dan Jaringan Saraf Tiruan Radial Basis Function
Pengenalan Tanda Tangan melalui Pengolahan Citra Digital dan Jaringan Saraf Tiruan Radial Basis Function Ignatius Ricardo Sistem Informasi Universitas Pelita Harapan Surabaya, Indonesia ignatius.ricardo@gmail.com
Lebih terperinci100% Akurasi = (11) Lingkungan Pengembangan
Algoritme Dekomposisi Wavelet Dekomposisi wavelet Haar dapat dijelaskan sebagai berikut : 1 Transformasi linear digunakan untuk mengubah ruang warna secara linear menjadi warna dasar. Karena citra yang
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 terperinciKombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah
Kombinasi KPCA dan Euclidean Distance untuk Pengenalan Citra Wajah Rima Tri Wahyuningrum 1,2 Prodi Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo Jl. Raya Telang, PO BOX 2 Kamal, Bangkalan
Lebih terperinciPENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA PROBABILISTIC NEURAL NETWORK (PNN) SKRIPSI JOKO KURNIANTO 121402102 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
Lebih terperinciKLASIFIKASI CITRA ADENIUM MENGGUNAKAN LEARNING VECTOR QUANTIZATION
KLASIFIKASI CITRA ADENIUM MENGGUNAKAN LEARNING VECTOR QUANTIZATION Resty Wulanningrum 1), Bagus Fadzerie Robby 2) 1), 2) Teknik Informatika, Fakultas Teknik Universitas Nusantara PGRI Kediri Kampus 2 Universitas
Lebih terperinciSegitiga Fuzzy-Neural Network untuk Mengenali Pola dari Model Input Data yang Berdistribusi
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 1, May 2007, 9 16 Segitiga Fuzzy-Neural Network untuk Mengenali Pola dari Model Input Data yang Berdistribusi Hary Budiarto Pusat Teknologi Informasi
Lebih terperinciLAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM
LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM Oleh : Saeful Anwar 2009-51-030 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT
Lebih terperinciDETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION
No Makalah : 299 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION Ratri Dwi Atmaja 1,
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciPengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya
Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya 1 Hafidz Surahman 1, Aisyah Fuja 2, Ir.Rubandi 3, Willy 4 1,2 STMIK GI MDP; Jalan Rajawali No.14 Palembang,
Lebih terperinciKLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK SKRIPSI. Oleh
KLASTERISASI DATA BAHAYA KERUSAKAN BANGUNAN AKIBAT GEMPA BUMI MENGGUNAKAN ALGORITMA FUZZY KOHONEN CLUSTERING NETWORK SKRIPSI Oleh Muhammad Faisal 1401125912 Verra Irawati 1401141481 Muhammad Ihsan 1401141632
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL
1 SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (Human Face Detection System on Digital Images) Setyo Nugroho 1, Agus Harjoko 2 Program Studi Ilmu Komputer Program Pascasarjana Universitas Gadjah
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4A3 Pembelajaran Mesin Disusun oleh: Agung Toto Wibowo Said Al Faraby PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN
Lebih terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciVERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY ABSTRAK
VERIFIKASI TANDA TANGAN DENGAN METODE JARINGAN SYARAF TIRUAN HETEROASSOCIATIVE MEMORY Disusun oleh : Fabiola Zita Devy C. 0722085 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH
Lebih terperinciPERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE
PERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE David; Ferdinand Ariandy Luwinda Computer Science Department, School of Computer Science, Binus University Jl. K.H. Syahdan
Lebih terperinciPENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR
PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR Ardilla Ayu Dewanti Ridwan, Ivanna K. Timotius, Iwan Setyawan PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinci