SISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Ukuran: px
Mulai penontonan dengan halaman:

Download "SISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION"

Transkripsi

1 SISTEM KLASIFIKASI JENIS BERAS MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION Pradityo Utomo Program Studi D3 Manajemen Informatika Universitas Merdeka Madiun ABSTRACT Information technology is one of the ever evolving field of science. Developments in information technology can be utilized in various fields one of them in agriculture. Information technology can help farmers and the general public within the classification types of rice. The system can perform classification of types of rice using one of the methods of artificial neural network that is Learning Vector Quantization. While the data used in this study is a photo of the types of rice. Some types of rice have characteristic shapes of different rice. The data used for training and recognition, will be grayscale process. The pixel values of grayscale images will be normalized using the Min-Max Normalization. Results normalization is used for training and recognition process using Learning Vector Quantization. System classification of types of rice by using Learning Vector Quantization algorithm has been successfully built with a level of recognition accuracy of 53.33% using training data, and 50% use the data recognition. Keywords: Types of rice, rice type photo, Learning Vector Quantization 1. PENDAHULUAN Indonesia adalah negara agraris yang penduduknya mayoritas memiliki mata pencaharian sebagai petani, khususnya petani padi. Karena mayoritas penduduk Indonesia memiliki mata pencaharian sebagai petani, membuat produksi beras selalu bertambah. Menurut Kementerian Pertanian, pada bulan Februari 2016 mendapatkan hasil panen 3,1 ton beras, sedangkan untuk bulan Maret 2016 telah dipanen 7,9 juta ton beras. Berdasarkan kenaikan jumlah panen tersebut, maka kemampuan para petani dalam mengelola padi diharapkan dapat selalu lebih baik agar mendapatkan hasil beras yang banyak dalam setiap panennya. Jenis beras juga terdapat beberapa, diantaranya beras putih dan beras ketan. Pengetahuan petani tentang pemahaman terhadap jenis-jenis beras harus sudah baik, supaya tidak salah tanam jenis padinya. Tidak hanya petani yang harus memiliki pengetahuan tentang jenis-jenis beras, masyarakat awam juga harus memiliki pengetahuan tentang jenis-jenis beras, supaya tidak salah dalam memilih bahan makanan. PILAR TEKNOLOGI: Jurnal Ilmiah Ilmu-ilmu Teknik Volume 1 Nomor 2 September 2016; ISSN:

2 Pradityo Utomo Beberapa jenis beras yang sering digunakan sebagai bahan makanan ataupun makanan pokok adalah beras putih dan beras ketan putih. Jika dilihat sekilas antara beras putih dan beras ketan putih tidak memiliki perbedaan. Padahal jika diteliti lebih dekat antara beras putih dan beras ketan putih memiliki perbedaan. Beras putih berwarna putih agak transparan, sedangkan beras ketan berwarna putih tidak transparan. Sehingga beras putih terlihat lihat kurus dan lonjong dibandingkan dengan beras ketan yang terlihat agak gemuk. Terkadang masyarakat luas tidak memahami perbedaan ini, sehingga terkadang melakukan kesalahan dalam memilih bahan makanan. Pada umumnya beras digunakan untuk bahan makanan pokok dimasak menjadi nasi, sedangkan ketan sering digunakan untuk bahan pembuatan kue. Oleh karena itu diharapkan tidak akan tertukar antara beras putih dan beras ketan. Beberapa penelitian yang terkait dengan penelitian ini telah dilakukan, salah satunya dilakukan oleh Adnan, Suhartini, dan Bram Kusbiantoro pada tahun 2012 yang telah memanfaatkan jaringan saraf tiruan dan pengolahan citra digital untuk mengidentifikasi varietas beras berdasarkan warna dan tekstur permukaan beras. Parameter yang digunakan antara lain ASM, kontras, korelasi, IDM, dan entropi. Berdasarkan penelitian tersebut, sistem dapat mengenali varietas beras Basmati, Inpari 1, dan Sintanur dengan tingkat akurasi sebesar 100% pada proses testing [1]. Penelitian lain yang terkait tentang klasifikasi beras dilakukan oleh Suminar, Hidayat, dan Atmaja pada tahun Suminar,dkk telah memanfaatkan pengolahan citra digital untuk melihat kualitas beras. Dalam pengelompokkannya mutu beras dibagi menjadi 3 jenis: mutu beras berdasarkan pasar beras, mutu beras berdasarkan Standar Nasional Indonesia (SNI), mutu beras berdasarkan prefensi konsumen. Tahap-tahap yang akan dilakukan meliputi: pre-processing, ekstraksi ciri, dan klasifikasi. Metode ekstraksi ciri yang digunakan adalah Ekstraksi Ciri Statistik dengan ditinjau dari teksturnya yang merupakan salah satu dari ciri fisik beras. Sedangkan untuk pengklasifikasian kualitas menggunakan metode K-Nearest Neighbor (K-NN). Berdasarkan penelitian tersebut didapatkan akurasi sistem sebesar 84,167% dalam melakukan klasifikasi kualitas beras [2]. Pada bidang pertanian juga terdapat penelitian yang memanfaatkan Learning Vector Quantization. Diantaranya yang dilakukan oleh Uning Lestari. Pada penelitian tersebut, Uning Lestari menggunakan Learning Vector Quantization (LVQ) untuk mengidentifikasi lahan untuk budidaya tanaman pangan. Pada penelitiannya, LVQ dapat memberikan solusi dan informasi tanaman yang sesuai pada suatu lahan dengan berdasarkan beberapa karakteristik yang salah satunya adalah jenis tanaman pangan [3]. Penelitian lain dalam bidang pertanian juga dilakukan untuk mendeteksi pra panen padi berdasarkan warna daun oleh Utomo dan Cahyono pada Selain memanfaatkan algoritma jaringan saraf tiruan, sistem juga memanfaatkan pengolahan citra untuk memproses inputan sistem terlebih dahulu. Proses pengolahan citra yang dilakukan antara lain grayscale dan segmentasi. Inputan yang digunakan adalah berupa citra daun padi. Dimana citra daun padi dilakukan proses grayscale, kemudian dilakukan segmentasi tepat pada tengah daun. Akurasi sistem dalam mendeteksi adalah sebesar 55% untuk data training dan 50% untuk data testing. Pada penelitian tersebut menggunakan perhitungan jarak Euclidean Distance untuk tahap pengenalan, kemudian dilakukan perhitungan akurasi [4]. Pada bidang lain juga telah dilakukan penelitian menggunakan jaringan saraf tiruan 62 PILAR TEKNOLOGI, Volume 1 Nomor 2 September 2016

3 } } } Sistem Klasifikasi Jenis Beras Learning Vector Quantization untuk mendeteksi penyakit paru. Penelitian tersebut dilakukan oleh Elly Matul Imah pada tahun Dalam penelitian tersebut dijelaskan bahwa dibuat perangkat lunak untuk mendeteksi jenis penyakit paru dengan pengenalan citra roentgen thorax paru menggunakan Jaringan Syaraf Tiruan algoritma LVQ. Sistem ini mampu mendeteksi jenis penyakit paru berdasarkan citra roentgen thorax paru sebesar 64,44% dengan iterasi 100 dan derajat pembelajaran 0,5 untuk paru kiri, 67,78% dengan iterasi 100 dan derajat pembelajaran 0,5 untuk paru kanan [5]. Berdasarkan hasil dari penelitian-penelitian sebelumnya, maka pada penelitian ini akan dibuat sebuah sistem yang mampu melakukan klasifikasi jenis beras menggunakan Learning Vector Quantization. 2. METODE PENELITIAN Penelitian yang akan dilakukan adalah pembuatan sistem yang dapat melakukan klasifikasi jenis beras dengan menggunakan metode Learning Vector Quantiation. Pada penelitian ini akan menggunakan data sekunder dan data primer. Data Sekunder adalah data yang diperoleh dengan cara mengumpulkan data dari tempat penggilingan padi di Dukuh Benguk, Desa Cabean, Kecamatan Sawahan, Kabupaten Madiun. Data yang digunakan dalam penelitian ini adalah kumpulan foto beras putih dan beras ketan hasil penggilingan di tempat penggilingan padi Dukuh Benguk, Desa Cabean, Kecamatan Sawahan, Kabupaten Madiun. Sedangkan data primer data yang langsung diperoleh dari wawancara secara langsung dengan pakar pertanian dan warga yang bermatapencaharian sebagai petani. Dalam penelitian ini data primer digunakan sebagai pendukung data sekunder yang digunakan sebagai inputan. Karena data yang digunakan sudah dikonsultasikan dengan pakar dan warga yang bermatapencaharian sebagai petani. Tahapan penelitian yang akan dilakukan dapat ditunjukkan pada bagan alir penelitian seperti Gambar 1. Gambar 1. Bagan Alir Penelitian Pada Gambar 1 telah ditunjukkan beberapa tahapan yang akan dilakukan dalam penelitian hingga mencapai tujuan yang ditargetkan. Studi pustaka yang dilakukan adalah dengan melakukan studi pustaka tentang Pengolahan Citra Digital, metode normalisasi data, algoritma Learning Vector Quantization (LVQ) dan jenis-jenis beras baik dari buku ataupun jurnal-jurnal penelitian. Metode pengolahan citra digital pada penelitian adalah grayscale. Sedangkan metode normalisasi data yang digunakan adalah Normalisasi Min-Max [6]. Adapun rumus normalisasi Min-Max adalah : s min{ sk s' = max{ s min{ s k Setelah dilakukan studi pustaka, akan dilakukan pengumpulan data. Data yang k 1) Volume 1 Nomor 2 September 2016, PILAR TEKNOLOGI 63

4 Pradityo Utomo akan dikumpulkan dalam penelitian ini adalah kumpulan foto jenis-jenis beras. Dimana jenisjenis beras yang dipilih adalah beras putih dan beras ketan. Jenis beras tersebut terdapat pada tempat penggilingan padi. Sehingga penulis akan melakukan pengambilan gambar jenis beras putih dan beras ketan pada suatu penggilingan padi. Pada pembuatan desain sistem penelitian, terdapat beberapa tahapan untuk mendapatkan hasil klasifikasi jenis beras putih dan beras ketan. Baik pada tahapan training maupun pengenalan, sistem akan melakukan pengolahan citra terlebih dahulu terhadap data inputan. Proses pengolahan citra digital menggunakan grayscale. Dimana untuk mendapat sebuah nilai piksel keabuan dari citra RGB (citra berwarna). Nilai-nilai piksel setiap data akan dimasukkan terlebih dahulu ke dalam database, dengan diberikan targer terlebih dahulu. Jika data untuk training sudah terkumpul dalam database, akan dilakukan training untuk mendapatkan bobot akhir. Dimana bobot akhir tersebut yang berisi pengetahuan sistem untuk dapat mengklasifikasi data baru. Sedangkan pada tahap pengenalan, data baru akan dilakukan penghitungan jarak terhadap bobot akhir hasil training. Dari tahapan pengenalan akan didapatkan hasil ketepatan sistem dalam melakukan klasifikasi data jenis beras putih atau beras ketan. Untuk tahapan-tahapan sistem secara keseluruhan dapat dilihat pada Gambar 2. Akuisisi Citra Grayscale Normalisasi (Min-Max) Learning Vector Quantization Hasil Gambar 2. Alur Sistem Pada Gambar 2 telah ditunjukkan AlurSistem secara keseluruhan. Dimana terdapat dua proses yaitu training dan pengenalan. Proses training dan pengenalan menggunakan citra hasil pengambilan di tempat penggilingan padi. Sebanyak 50 foto beras putih dan 50 foto beras ketan diambil di penggilingan padi. Dimana sebanyak 30 foto beras putih dan 30 foto beras ketan akan digunakan untuk proses training, sedangkan sebanyak 10 foto beras putih dan 10 foto beras ketan akan digunakan untuk proses testing. Adapun tahapan proses training sebagai berikut : 1. Grayscale, dimana citra hasil pengambilan di tempat penggilingan padi akan dilakukan proses training. 2. Normalisasi, dimana proses normalisasi menggunakan metode Min-Max untuk memperkecil nilai piksel sebelum disimpan ke dalam basisdata. 3. Training, untuk proses training menggunakan algoritma LVQ (Learning Vector Quantization) menggunakan data yang sudah disimpan ke dalam basisdata. Dari hasil training didapatkan bobot akhir yang akan digunakan untuk proses 64 PILAR TEKNOLOGI, Volume 1 Nomor 2 September 2016

5 Sistem Klasifikasi Jenis Beras pengenalan. Adapun tahapan proses pengenalan sebagai berikut : 1. Grayscale, dimana citra hasil pengambilan di tempat penggilingan padi akan dilakukan proses pengenalan. 2. Normalisasi, dimana proses normalisasi menggunakan metode Min-Max untuk memperkecil nilai piksel yang akan dibandingkan dengan bobot akhir hasil training. 3. Pengenalan, untuk proses training menggunakan algoritma penghitungan jarak Euclidean Distance. Dari proses pengenalan akan ditentukan kelas yang yang sesuai, dimana kelas ditentukan dua jenis yaitu kelas Beras Putih dan kelas Beras Ketan. Evaluasi dari sistem adalah berupa pengujian sistem untuk mendapatkan nilai akurasi ketepatan sistem dalam melakukan klasifikasi jenis beras menggunakan Learning Vector Quantization. Nilai akurasi diperoleh dari presentase banyaknya data pengujian yang teridentifikasi dengan benar oleh sistem dari total data pengujian yang ada. Pengujian dilakukan terhadap data hasil pengenalan. Sehingga ketepatan sistem dalam mengenali yang akan diperhitungkan. 3. HASIL DAN PEMBAHASAN Sistem yang dibuat pada penelitian ini adalah sistem yang dapat melakukan klasifikasi jenis beras menggunakan metode Learning Vector Quantization. Dimana sistem dapat berjalan juga memanfaatkan pengolahan citra digital, karena data yang digunakan adalah kumpulan foto jenis beras. Jenis beras yang digunakan untuk penelitian ini adalah beras putih dan kelas beras ketan. Karena sekilas terlihat mirip bentuk dan warna keduanya, tetapi jika orang tersebut sudah memahami karakteristik jenis beras tidak akan tertukar jenis beras tersebut. Kalau orang masih awam pengetahuan jenis beras, bisa saja akan tertukar ketika melakukan pemilihan beras. Sehingga diharapkan dengan sistem klasifikasi jenis beras menggunakan metode Learning Vector Quantization ini dapat membantu masyarakat luas dalam melakukan pengklasifikasian jenis beras. Metode pengolahan citra yang digunakan untuk membantu kinerja sistem adalah metode grayscale, dengan menggunakan grayscale dapat menyatukan nilai piksel red, green, blue (RGB) menjadi sebuah nilai piksel yang memiliki derajar keabuan. Untuk memperkecil nilai piksel dilakukan proses beras putihisasi data, dimana metode yang digunakan dalam penelitian ini adalah Min-Max Normalization. Pada proses training, nilai piksel setiap data akan disimpan terlebih dahulu ke dalam database. Setelah nilai pikesl 30 foto beras putih dan 30 foto kelas beras ketan tersimpan di database, sistem akan melakukan training data untuk mendapat bobot akhir. Dimana bobot akhir tersebut menjukkan pengetahuan dari sebuah sistem. Untuk tampilan program ketika penyimpanan foto untuk training ke dalam database dapat dilihat pada Gambar 3. Gambar 3. Tampilan Penyimpanan Data Training Pada Gambar 3 telah ditunjukkan proses penyimpanan data untuk training. Dimana harus memasukkan data gambar terlebih Volume 1 Nomor 2 September 2016, PILAR TEKNOLOGI 65

6 Pradityo Utomo dahulu, data harus diisikan juga nomor gambar, nama gambar, dan target kelas yang terpilih. Kelas yang diberikan hanya dua yaitu 1 untuk jenis foto data beras putih, dan 2 untuk jenis foto data kelas beras ketan. Kemudian dilakukan penyimpanan terlebih dahulu dengan menekan tombol simpan. Sebanyak 30 foto jenis beras putih dan 30 foto jenis kelas beras ketan akan dimasukkan ke dalam database. Seluruh data yang disiapkan untuk training data harus dimasukkan ke dalam database terlebih dahulu sebelum dilakukan proses training. Setelah seluruh data tersimpan, kemudian diklik tombol training untuk melakukan training data. Pada tahapan pengenalan, sebanyak 10 foto beras putih dan 10 foto kelas beras ketan akan dilakukan pengenalan dengan membandingkan dengan bobot akhir hasil training data. Sistem akan memberikan output kelas beras putih atau kelas kelas beras ketan. Proses pengenalan dapat dilihat pada Gambar 4. Data yang digunakan pada analisis ini adalah data kumpulan foto jenis beras yang diambil pada tempat penggilingan pada di Dukuh Benguk, Desa Cabean, Kecamatan Sawahan, Kabupaten Madiun. Dimana data foto jenis beras dibaca menurut pikselnya, sehingga digunakan untuk inoutan sistem. Hasil dari pelatihan data digunakan untuk mengetahui karakteristik jenis beras baik jenis beras putih atau jenis kelas beras ketan. Sehingga sistem bisa digunakan untuk mendiagnosa jenis beras tersebut. Data foto jenis beras yang digunakan untuk melatih data sebanyak 60 data, terdiri dari 30 data yang terindikasi jenis beras putih, dan 30 data yang jenis kelas beras ketan. Sedangkan banyaknya data jenis beras yang digunakan untuk menguji selain data training, yaitu sebanyak 20 data, terdiri dari 10 data yang termasuk kelas jenis beras putih, dan 10 data yang termasuk jenis kelas beras ketan. Data yang telah digunakan untuk training juga akan dilakukan pengenalan. Sehingga dapat dibandingkan jumlah data training yang dapat dikenali dengan benar dan jenis data uji yang dapat dikenali dengan benar. Adapun grafik perbandingan akurasi sistem yang menggunakan pendekatan Learning Vector Quantization (LVQ) dapat dilihat pada Gambar 5. Gambar 4. Tampilan Proses Pengenalan Data Menurut Gambar 4, proses pengenalan data dilakukan dengan memilih terlebih dahulu gambar yang akan dilakukan pengenalan. Kemudian dipilih tombol pengenalan untuk mendapatkan hasil pengenalan. Output yang mungkin dihasilkan adalah jenis beras putih dan jenis beras ketan. Gambar 5. Grafik Perbandingan Akurasi Sistem Menggunakan LVQ 66 PILAR TEKNOLOGI, Volume 1 Nomor 2 September 2016

7 Sistem Klasifikasi Jenis Beras Menurut Gambar 4.4 telah terlihat grafik akurasi sistem yang menggunakan data hasil pengolahan citra hingga tahap ekstraksi ciri, dengan tiga percobaan learning rate yang berbeda. Akurasi sistem yang menggunakan pendekatan LVQ menunjukkan paling tinggi adalah pada learning rate 0,0005 saat diuji menggunakan data training maupun data testing. Prosentase perbandingan akurasi sistem yang menggunakan pendekatan LVQ dapat dilihat pada Tabel 1. Tabel 1. Prosentase Perbandingan Akurasi Sistem Menggunakan Pendekatan LVQ Learning Rate Perbandingan Akurasi Data Training Dikenali (%) Data Testing Dikenali (%) 0, , ,005 41, , Menurut Tabel 1 telah terlihat bahwa prosentase terbaik terdapat pada learning rate 0,0005 dengan prosentase akurasi sistem jika diuji dengan menggunakan data training sebesar 53,33%, dan jika sistem diuji dengan menggunakan data testing memiliki prosentase sebesar 50%. Perhitungan prosentase akurasi dapat dihitung menggunakan jumlah data yang dikenali dengan benar dibandingkan dengan seluruh jumlah data. 4. KESIMPULAN Sistem klasifikasi jenis beras dengan menggunakan algoritma Learning Vector Quantization telah berhasil dibangun, dimana sistem dapat berjalan cukup baik dengan akurasi sebesar 53,33% ketika dilakukan pengenalan menggunakan data training, dan sebesar 50% menurut pengenalan data testing. DAFTAR PUSTAKA [1] Adnan., Suhartini., Kusbiantoro, B Identifikasi Varietas Berdasarkan Warna dan Tekstur Permukaan Beras Menggunakan Pengolahan Citra Digital dan Jaringan Syaraf. [2] Suminar, R., Hidayat, B., Atmaja, RD Klasifikasi kualitas beras berdasarkan ciri fisik berbasis pengolahan citra digital. Tugas Akhir. Universitas Telkom. [3] Lestari, Uning. (2012). Sistem Aplikasi Identifikasi Lahan untuk Budidaya Tanaman Pangan Menggunakan Learning Vector Quantization (LVQ). ISSN: X. Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) Periode III. [4] Utomo, P., Cahyono, DS sistem Deteksi Pra Panen Padi Berdasarkan Warna daun dengan Menggunakan Learning Vector Quantization (LVQ). Prosiding Seminar Nasional Manajemen Teknologi XX. ITS. [5] Matulimah, Elly Deteksi Jenis Penyakit Paru Berdasarkan Image Rontgen Dengan Algoritma LVQ. Skripsi. Surabaya:ITS. [6] Jayalakshmi, T. And Santhakumaran, A Statistical Normalization and Back Propagation for Classification. International Journal of Computer Theory and Engineering. Volume 1 Nomor 2 September 2016, PILAR TEKNOLOGI 67

SISTEM 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) 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 terperinci

SISTEM 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) 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 terperinci

DIAGNOSA 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 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 terperinci

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM

BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan

Lebih terperinci

HALAMAN 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 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 terperinci

PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR

PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR PERBANDINGAN ANALISIS PENGENALAN HURUF ARAB MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION DAN K-NEAREST NEIGHBOR Ragil Anggararingrum Perwira Nagara¹, Adiwijaya², Ratri Dwi Atmaja³ ¹Teknik

Lebih terperinci

IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION

IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION IDENTIFIKASI RAMBU-RAMBU LALU LINTAS MENGGUNAKAN LEARNING VECTOR QUANTIZATION RULIAH Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A. Yani Km. 33,3 Loktabat

Lebih terperinci

BAB 1 PENDAHULUAN Latar belakang masalah

BAB 1 PENDAHULUAN Latar belakang masalah BAB 1 PENDAHULUAN 1.1. Latar belakang masalah Saluran pernapasan pada manusia terdiri dari rongga hidung, faring, laring, trakea, percabangan bronkus dan paru-paru (bronkiolus, alveolus). Paru-paru merupakan

Lebih terperinci

Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B)

Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP : Kelas :2D4 IT(B) Pengolahan Citra untuk Bidang Pertanian(Menentukan Kematangan Buah) Oleh Nama:Wahyu Abid A. NRP :2110151042 Kelas :2D4 IT(B) Latar Belakang Buah pisang dan alpukat sangatlah familiar dengan warga asia,

Lebih terperinci

Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization

Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector

Lebih terperinci

OPTIMASI PRODUKSI DAN KEUNTUNGAN PENJUALAN BERAS DENGAN METODE SIMPLEKS

OPTIMASI PRODUKSI DAN KEUNTUNGAN PENJUALAN BERAS DENGAN METODE SIMPLEKS OPTIMASI PRODUKSI DAN KEUNTUNGAN PENJUALAN BERAS DENGAN METODE SIMPLEKS Pradityo Utomo Program Studi D3 Manajemen Informatika Universitas Merdeka Madiun pradityou@gmail.com Abstract Indonesia has a fairly

Lebih terperinci

BAB I PENDAHULUAN. Pangan adalah salah satu hak azasi manusia dan sebagai komoditi strategis

BAB I PENDAHULUAN. Pangan adalah salah satu hak azasi manusia dan sebagai komoditi strategis BAB I PENDAHULUAN A. Latar Belakang Pangan adalah salah satu hak azasi manusia dan sebagai komoditi strategis yang dilindungi oleh Undang-Undang Dasar Negara Republik Indonesia tahun 1945 (Tim Koordinasi

Lebih terperinci

PENGENALAN NOTASI BALOK MENGGUNAKAN SEGMENTASI DAN JARINGAN SYARAF TIRUAN UNTUK MENGHASILKAN NADA BERIRAMA BERBASIS IOS

PENGENALAN NOTASI BALOK MENGGUNAKAN SEGMENTASI DAN JARINGAN SYARAF TIRUAN UNTUK MENGHASILKAN NADA BERIRAMA BERBASIS IOS TESIS PENGENALAN NOTASI BALOK MENGGUNAKAN SEGMENTASI DAN JARINGAN SYARAF TIRUAN UNTUK MENGHASILKAN NADA BERIRAMA BERBASIS IOS OZZI SURIA No. Mhs : 135302011/PS/MT PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA

Lebih terperinci

KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN

KLASIFIKASI 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 terperinci

APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK

APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111

Lebih terperinci

IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ)

IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) IDENTIFIKASI JENIS BATU AKIK MENGGUNAKAN METODE LEARNING VEKTOR QUANTIZATION (LVQ) SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S. Kom.) Pada Program Studi Teknik

Lebih terperinci

ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS

ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS ALGORITMA LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN BARCODE BUKU DI PERPUSTAKAAN UNIVERSITAS GALUH CIAMIS Egi Badar Sambani 1), Neneng Sri Uryani 2), Rifki Agung Kusuma Putra 3) Jurusan Teknik Informatika,

Lebih terperinci

Identifikasi 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 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 terperinci

KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS

KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan

Lebih terperinci

PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Abstrak

PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Abstrak PENGENALAN POLA KEPUASAN MAHASISWA TERHADAP KEGIATAN BELAJAR MENGAJAR (STUDI KASUS DI STMIK AKAKOM YOGYAKARTA) Dini Fakta Sari Teknik Informatika STMIK AKAKOM Yogyakarta dini@akakom.ac.id Abstrak Tenaga

Lebih terperinci

PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK

PEMANFAATAAN 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 terperinci

IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION

IMPLEMENTASI 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 terperinci

DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1

DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ. Muhammad Imron Rosadi 1 DETEKSI PLAT KENDARAAN MENGGUNAKAN HOG DAN LVQ Muhammad Imron Rosadi 1 Prodi Teknik Informatika, Universitas Yudharta Pasuruan Purwosari 67162 Pasuruan Jawa Timur 1 Email : Imron_uyp@yahoo.com ABSTRAK

Lebih terperinci

IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL

IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL IMPLEMENTASI SEGMENTASI CITRA DAN ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ) DALAM PENGENALAN BENTUK BOTOL Andri STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id Abstrak

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN Bab ini membahas langkah-langkah dari implementasi dan pembahasan dari hasil penelitian yang telah dilakukan tentang klasifikasi aktivitas menggunakan algoritma k-nearest neighbor

Lebih terperinci

PENGENALAN 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 ( ) 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan syaraf tiruan merupakan bidang ilmu yang banyak digunakan dalam melakukan pengenalan pola suatu obyek. Banyak obyek yang dapat digunakan untuk pengenalan pola

Lebih terperinci

PENGENALAN 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) 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 terperinci

SISTEM DETEKSI PANEN PADI BERDASAR WARNA DAUN MENGGUNAKAN FUZZY C-MEANS CLUSTERING

SISTEM DETEKSI PANEN PADI BERDASAR WARNA DAUN MENGGUNAKAN FUZZY C-MEANS CLUSTERING SISTEM DETEKSI PANEN PADI BERDASAR WARNA DAUN MENGGUNAKAN FUZZY C-MEANS CLUSTERING PUBLIKASI ILMIAH Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I pada Jurusan Informatika Fakultas

Lebih terperinci

SEGMENTASI HURUF TULISAN TANGAN BERSAMBUNG DENGAN VALIDASI JARINGAN SYARAF TIRUAN. Evelyn Evangelista ( )

SEGMENTASI 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 terperinci

BAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang

BAB 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 terperinci

KLASIFIKASI CITRA ADENIUM MENGGUNAKAN LEARNING VECTOR QUANTIZATION

KLASIFIKASI 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 terperinci

IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION

IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION IMPLEMENTASI PENGOLAHAN CITRA UNTUK MENGHITUNG RESISTANSI RESISTOR MENGGUNAKAN METODE BACK PROPAGATION Abdi Haqqi An Nazilli 1, Deddy Kusbianto Purwoko Aji 2, Ulla Delfana Rosiani 3 1,2 Teknik Informatika,

Lebih terperinci

PERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI

PERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI Techno.COM, Vol. 15, No. 3, Agustus 2016: 241-245 PERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI Didik Srianto 1, Edy Mulyanto 2 1,2 Teknik Informatika,

Lebih terperinci

ABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha

ABSTRAK. 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 terperinci

PENGOLAHAN CITRA DIGITAL UNTUK MENGKLASIFIKASI GOLONGAN KENDARAAN DENGAN METODE PARAMETER DASAR GEOMETRIK

PENGOLAHAN CITRA DIGITAL UNTUK MENGKLASIFIKASI GOLONGAN KENDARAAN DENGAN METODE PARAMETER DASAR GEOMETRIK ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 115 PENGOLAHAN CITRA DIGITAL UNTUK MENGKLASIFIKASI GOLONGAN KENDARAAN DENGAN METODE PARAMETER DASAR GEOMETRIK (IMAGE PROCESSING

Lebih terperinci

PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER

PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER PEMANFAATAN NEURAL NETWORK PERCEPTRON PADA PENGENALAN POLA KARAKTER Fakultas Teknologi Informasi Universitas Merdeka Malang Abstract: Various methods on artificial neural network has been applied to identify

Lebih terperinci

POTENSI TEKNOLOGI PENGOLAHAN CITRA DIGITAL. Oleh: Adnan, SP, MSi

POTENSI TEKNOLOGI PENGOLAHAN CITRA DIGITAL. Oleh: Adnan, SP, MSi POTENSI TEKNOLOGI PENGOLAHAN CITRA DIGITAL Oleh: Adnan, SP, MSi Auditorium Sodikin Somaatmadja, BB Padi Sukamandi 23 Agustus 2013 1 OUTLINE I. CV II. Sejarah III. Teknologi Pengolahan Citra Digital IV.

Lebih terperinci

Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015

Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 JUDUL ARTIKEL Identifikasi Kualitas Beras dengan Citra Digital Arissa

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Tomat merupakan salah komoditas di pertanian Indonesia saat ini, tomat sudah menjadi kebutuhan pokok penunjang pangan di indonesia akan tetapi cara mengidentifikasi

Lebih terperinci

BAB 4 PENGUJIAN DAN ANALISIS SISTEM

BAB 4 PENGUJIAN DAN ANALISIS SISTEM BAB 4 PENGUJIAN DAN ANALISIS SISTEM Bab ini akan membahas mengenai proses pengujian dari sistem yang dirancang terhadap beberapa citra dijital replika kulit. Pengujian terhadap sistem ini dilakukan untuk

Lebih terperinci

ANALISIS DAN PERANCANGAN SISTEM

ANALISIS DAN PERANCANGAN SISTEM ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya

Lebih terperinci

ABSTRAK. v Universitas Kristen Maranatha

ABSTRAK. 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 terperinci

Magister Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta 2. Program Studi Teknik Elektro, Universitas Ahmad Dahlan, Yogyakarta 3

Magister Teknik Informatika, Universitas Ahmad Dahlan, Yogyakarta 2. Program Studi Teknik Elektro, Universitas Ahmad Dahlan, Yogyakarta 3 Sistem Identifikasi Jamur Menggunakan Metode Ekstraksi Ciri Statistik Orde 1 dan Klasifikasi Jarak Mushroom Identification System Using the 1st Order Statistic Characteristic Extraction and Distance Classification

Lebih terperinci

KLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN

KLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN LAPORAN SKRIPSI KLASIFIKASI POLA BATIK DENGAN DETEKSI TEPI (LAPLACIAN DAN ROBERT) BERBASIS JARINGAN SYARAF TIRUAN Oleh : Dian Aniswari 2010-51-177 SKRIPSI DIAJUKAN SEBAGAI SALAH SATU SYARAT UNTUK MEMPEROLEH

Lebih terperinci

DETEKSI NOMINAL DAN KEASLIAN UANG KERTAS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

DETEKSI NOMINAL DAN KEASLIAN UANG KERTAS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2010 DETEKSI NOMINAL DAN KEASLIAN UANG KERTAS MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Syariefudin Bashori¹, Achmad Rizal², Iwan Iwut Tirtoasmoro³

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Pengenalan Jenis Pempek Menggunakan Metode Canny & K-Nearest Neighbor (KNN) Berdasarkan Bentuknya

Pengenalan 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 terperinci

Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor

Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor Klasifikasi Mutu Telur Berdasarkan Kebersihan Kerabang Telur Menggunakan K-Nearest Neighbor Puspa Rizky Trisnaningtyas 1, Maimunah 2 Program Studi Teknik Komputer Universitas Islam 45 Bekasi, Indonesia

Lebih terperinci

KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR

KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR Powered by TCPDF (www.tcpdf.org) KLASIFIKASI JENIS MOBIL BERDASARKAN TRANSFORMASI WAVELET MULTI SCALE DAN METODE K NEAREST NEIGHBOR Bertha Yulizar¹, Bambang Hidayat², Tody Ariefianto Wibowo³ ¹Teknik Telekomunikasi,,

Lebih terperinci

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN MOMENT INVARIANT DAN ALGORITMA BACK PROPAGATION ABSTRAK

IDENTIFIKASI 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 terperinci

PENGARUH EKSTRAKSI FITUR TWO DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS

PENGARUH EKSTRAKSI FITUR TWO DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS PENGARUH EKSTRAKSI FITUR TWO DIMENSIONAL LINEAR DISCRIMINANT ANALYSIS PADA PENGENALAN NIPPLE SECARA OTOMATIS MENGGUNAKAN KLASIFIKASI LEARNING VECTOR QUANTIZATION KOMPETENSI KOMPUTASI SKRIPSI I MADE AGUS

Lebih terperinci

PENENTUAN NILAI VEKTOR PEWAKIL AWAL PADA ARSITEKTUR JARINGAN SYARAF TIRUAN LVQ UNTUK PENGENALAN WAJAH

PENENTUAN NILAI VEKTOR PEWAKIL AWAL PADA ARSITEKTUR JARINGAN SYARAF TIRUAN LVQ UNTUK PENGENALAN WAJAH PENENTUAN NILAI VEKTOR PEWAKIL AWAL PADA ARSITEKTUR JARINGAN SYARAF TIRUAN LVQ UNTUK PENGENALAN WAJAH Devira Anggi Maharani 1, Mila Fauziyah 2, Denda Dewatama 3 1,2 Jurusan Elektro, Prodi Elektronika,

Lebih terperinci

LAPORAN 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 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 terperinci

Tujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.

Tujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN. Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI

Lebih terperinci

DETEKSI JENIS KAYU CITRA FURNITURE UKIRAN JEPARA MENGGUNAKAN JST BACKPROPAGATION

DETEKSI 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 terperinci

Dosen Program Studi Ilmu Komputer Universitas Pakuan Bogor

Dosen Program Studi Ilmu Komputer Universitas Pakuan Bogor PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang

Lebih terperinci

IDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET

IDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET TESIS IDENTIFIKASI DAN VERIFIKASI TANDA TANGAN STATIK MENGGUNAKAN BACKPROPAGATION DAN ALIHRAGAM WAVELET ROSALIA ARUM KUMALASANTI No. Mhs. : 135302014/PS/MTF PROGRAM STUDI MAGISTER TEKNIK INFORMATIKA PROGRAM

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar

Lebih terperinci

PENENTUAN 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 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 terperinci

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN

PERANCANGAN 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 terperinci

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah

Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah Vol. 14, No. 1, 61-68, Juli 2017 Penggunaan Jaringan Syaraf Tiruanuntuk Membaca Karakter pada Formulir Nilai Mata Kuliah La Surimi, Hendra, Diaraya Abstrak Jaringan syaraf tiruan (JST) telah banyak diaplikasikan

Lebih terperinci

Kata kunci: Selada Air, Hidroponik, K-Means Clustering

Kata kunci: Selada Air, Hidroponik, K-Means Clustering SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN TANAMAN SELADA AIR HIDROPONIK LAYAK JUAL DENGAN DATA GAMBAR DENGAN METODE K-MEANS CLUSTERING (STUDI KASUS : DI KABUPATEN JEMBER) Reinaldi Yulian Prabowo Program

Lebih terperinci

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION Nama Mahasiswa : Gigih Prasetyo Cahyono NRP : 1206 100 067 Jurusan : Matematika FMIPA-ITS Dosen Pembimbing : Prof.

Lebih terperinci

BAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-

BAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- 8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan

Lebih terperinci

Identifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ)

Identifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ) Identifikasi Tanaman Buah Berdasarkan Fitur Bentuk, Warna dan Tekstur Daun Berbasis Pengolahan Citra dan Learning Vector Quantization(LVQ) Sutarno Rouzan Fiqri Abdullah Rossi Passarella Jurusan Sistem

Lebih terperinci

ISSN : e-proceeding of Engineering : Vol.5, No.1 Maret 2018 Page 578

ISSN : e-proceeding of Engineering : Vol.5, No.1 Maret 2018 Page 578 ISSN : - e-proceeding of Engineering : Vol., No. Maret 2 Page 7 KLASIFIKASI KANKER USUS BESAR MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN) Classification of Colon Cancer Using K-Nearesr Neighbor (K-NN)

Lebih terperinci

PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU

PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU Risky Meliawati 1,Oni Soesanto 2, Dwi Kartini 3 1,3Prodi Ilmu Komputer FMIPA UNLAM 2 Prodi Matematika

Lebih terperinci

Dedi Argya Nugroho Effendi 1,Erna Zuni Astuti 2 1,2

Dedi Argya Nugroho Effendi 1,Erna Zuni Astuti 2 1,2 37 Pengelompokan Jenis Tekstur Kayu Menggunakan K- Nearest Neighbor dan Ekstraksi Fitur Histogram Wood Texture Classification Using K-Nearest Neighbor and Histogram Feature Extraction Dedi Argya Nugroho

Lebih terperinci

IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)

IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³

Lebih terperinci

PENGENALAN KARAKTER DAN MANAJEMEN DATABASE PADA FORMULIR ISIAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ)

PENGENALAN KARAKTER DAN MANAJEMEN DATABASE PADA FORMULIR ISIAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PENGENALAN KARAKTER DAN MANAJEMEN DATABASE PADA FORMULIR ISIAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) SKRIPSI ANTONI SIAHAAN 051401063 PROGRAM STUDI S-1 ILMU

Lebih terperinci

PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION

PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION ABSTRAK Gerald Patrick Siahainenia (0522128) Jurusan Teknik Elektro email : gerald_patrick2000@yahoo.com

Lebih terperinci

ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR

ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR ARTIKEL APLIKASI KLASIFIKASI JENIS JENIS BUAH JERUK MENGGUNAKAN METODE K-NEAREST NEIGHBOR Oleh: RIDHO ARY SUMARNO 13.1.03.02.0092 Dibimbing oleh : 1. Hermin Istiasih M.T., M.M. 2. Mochammad Bilal S.kom.,

Lebih terperinci

Oleh: Angger Gusti Zamzany( ) Dosen Pembimbing: Dr. Dwi Ratna Sulistyaningrum, S.Si, M.T.

Oleh: 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 terperinci

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA

Lebih terperinci

100% Akurasi = (11) Lingkungan Pengembangan

100% 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 terperinci

BAB I PENDAHULUAN. penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi.

BAB I PENDAHULUAN. penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi. BAB I PENDAHULUAN A. LATAR BELAKANG Buah-buahan merupakan salah satu kelompok komoditas pertanian yang penting di Indonesia. Buah-buahan memiliki tingkat permintaan yang tinggi. Permintaan domestik terhadap

Lebih terperinci

PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION

PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION ABSTRAK Juventus Suharta (0722026) Jurusan Teknik Elektro

Lebih terperinci

PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION ALGORITHM

PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION ALGORITHM JURNAL TEKNOLOGI INFORMASI DAN KOMUNIKASI Vol.6 No. 2, Desember 217 : 8-91 PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi sudah semakin berkembang, hal ini tentunya memberi pengaruh juga dalam berkembangnya ilmu pengetahuan. Perkembangan tersebut juga berpengaruh pada

Lebih terperinci

PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION

PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,

Lebih terperinci

Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax

Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Bertambahnya jumlah mahasiswa dari tahun ke tahun di IT Telkom mengakibatkan semakin banyak buku buku Tugas Akhir yang dibuat. Dengan semakin banyaknya buku

Lebih terperinci

IDENTIFIKASI KEMATANGAN BUAH JAMBU BIJI MERAH (Psidium guajava) DENGAN TEKNIK JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION SKRIPSI

IDENTIFIKASI KEMATANGAN BUAH JAMBU BIJI MERAH (Psidium guajava) DENGAN TEKNIK JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION SKRIPSI IDENTIFIKASI KEMATANGAN BUAH JAMBU BIJI MERAH (Psidium guajava) DENGAN TEKNIK JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION SKRIPSI OLEH FAHMIL IKHSAN HIDAYAT 120308059 PROGRAM STUDI KETEKNIKAN PERTANIAN

Lebih terperinci

PERBANDINGAN 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 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 terperinci

KLASIFIKASI 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 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 terperinci

BAB IV ANALISA DAN PERANCANGAN

BAB IV ANALISA DAN PERANCANGAN BAB IV ANALISA DAN PERANCANGAN 41 Analisa Analisa merupakan tahap paling utama dalam melakuakan penelitian Tahapan analisa digunakan untuk menganalisa permasalahan yang berhubungan dengan penelitian yang

Lebih terperinci

EKSTRAKSI CITRA BARCODE MENJADI KODE STRING MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION 1 Andrian Rakhmatsyah 2 Angga Sukma Prinata 3 Adiwijaya 12 Departemen Teknik Informatika

Lebih terperinci

BAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di

BAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia

Lebih terperinci

Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login

Verifikasi 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 terperinci

PERANCANGAN DAN SIMULASI IMAGE RETREIVAL MENGGUNAKAN METODE COLOR HISTOGRAM, GREY LEVEL CO-OCCURRENCE MATRIX DAN KNN (Design and Simulation of Image Retreival Using Color Histogram, Grey Level Co-Occurrence

Lebih terperinci

ANALISIS KEPADATAN LALU LINTAS DENGAN METODE TEMPLATE MATCHING (Studi Kasus : Persimpangan Monjali Yogyakarta)

ANALISIS KEPADATAN LALU LINTAS DENGAN METODE TEMPLATE MATCHING (Studi Kasus : Persimpangan Monjali Yogyakarta) ANALISIS KEPADATAN LALU LINTAS DENGAN METODE TEMPLATE MATCHING (Studi Kasus : Persimpangan Monjali Yogyakarta) Setiyo Daru Cahyono Dosen Fakultas Teknik Universitas Merdeka Madiun Email: cahyono.ds@gmail.com

Lebih terperinci

SKRIPSI RAYMOND P.H. SIRAIT

SKRIPSI RAYMOND P.H. SIRAIT PERANGKAT LUNAK CAPTURE PLAT NOMOR POLISI MOBIL DENGAN ALGORITMA JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION DAN BACK PROPAGATION BERBASIS IP CAMERA SKRIPSI RAYMOND P.H. SIRAIT 071401040 PROGRAM

Lebih terperinci

PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK PERANCANGAN SISTEM PENGENALAN DAN PENYORTIRAN KARTU POS BERDASARKAN KODE POS DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK OLEH ARIF MIFTAHU5R ROHMAN (2200 100 032) Pembimbing: Dr. Ir Djoko Purwanto, M.Eng,

Lebih terperinci

PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN

PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com

Lebih terperinci

IMPLEMENTASI PEMBACAAN HURUF HIJAIYYAH DAN KARAKTER ANGKA ARAB DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN LVQ (LEARNING VECTOR QUANTIZATION)

IMPLEMENTASI PEMBACAAN HURUF HIJAIYYAH DAN KARAKTER ANGKA ARAB DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN LVQ (LEARNING VECTOR QUANTIZATION) IMPLEMENTASI PEMBACAAN HURUF HIJAIYYAH DAN KARAKTER ANGKA ARAB DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN LVQ (LEARNING VECTOR QUANTIZATION) Alfan Zahriyono¹, Ahmad Suryan..², Mahmud Dwi Suliiyo³ ¹Teknik

Lebih terperinci

Identifikasi Jenis Buah Jeruk Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit

Identifikasi Jenis Buah Jeruk Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Jenis Buah Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit Reni Resita *1, Juratminingsih *2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali

Lebih terperinci

Oleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.

Oleh: 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 terperinci