DAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pengesahan Penguji. Halaman Persembahan. Halaman Motto. Kata Pengantar.

dokumen-dokumen yang mirip
Jaringan syaraf dengan lapisan tunggal

DAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pernyataan Keaslian. Lembar Pengesahan Penguji. Halaman Persembahan.

BAB VIII JARINGAN SYARAF TIRUAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. berbeda antara manusia satu dengan yang lain. Manusia mengenali

Jaringan Syaraf Tiruan

ARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A

Halaman Judul Lembar Pengesahan Pembimbing Lembar Pengesahan Penguji Halaman Persembahan. Abstraksi Daftar Isi Daftar Gambar Daftar Tabel

BAB I PENDAHULUAN. 1.1 Latar Belakang

JARINGAN SYARAF TIRUAN

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Fakultas Ilmu Komputer Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK PREDIKSI NILAI TUKAR RUPIAH TERHADAP MATA UANG ASING SKRIPSI. Diajukan Sebagai Salah Satu Syarat

Membangun Jaringan Syaraf Tiruan (Menggunakan MATLAB & Excel Link)

ABSTRAK. Universitas Kristen Maranatha

BAB II LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM

IMPLEMENTASI METODE JST BACKPROPAGATION UNTUK DIAGNOSA PENYAKIT JANTUNG KORONER MELALUI PENGENALAN POLA ECG PASIEN TUGAS AKHIR

PENGENAL HURUF TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN METODE LVQ (LEARNING VECTOR QUANTIZATION) By. Togu Sihombing. Tugas Ujian Sarjana

DAFTAR ISI. LEMBAR PENGESAHAN PEMBIMBING... ii. LEMBAR PERNYATAAN KEASLIAN... iii. LEMBAR PENGESAHAN PENGUJI... iv. HALAMAN PERSEMBAHAN...

PENGENALAN AKSARA JAWAMENGGUNAKAN LEARNING VECTOR QUANTIZATION (LVQ)

ABSTRAK. Michael Parlindungan ( ) Jurusan Teknik Elektro Universitas Kristen Maranatha

UNIVERSITAS BINA NUSANTARA. Skripsi Sarjana Program Ganda Teknik Informatika Statistika Semester Ganjil 2005/2006

OPTIMASI FUZZY BACKPROPAGATION NEURAL NETWORK DENGAN ALGORITMA GENETIKA UNTUK MEMPREDIKSI NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA

BAB II TINJAUAN PUSTAKA...

DAFTAR ISI HALAMAN JUDUI HALAMAN PENGESAHAN PEMBIMBING HALAMAN PENGESAHAN PENGUJI HALAMAN PERSEMBAHAN MOTTO KATA PENGANTAR DAFTAR GAMBAR DAFTAR TABRI

FAKULTAS SAINS DAN TEKNOLOGI UIN SUSKA RIAU. IIS AFRIANTY, ST., M.Sc

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

Jaringan Syaraf Tiruan. Disusun oleh: Liana Kusuma Ningrum

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN PEMBIMBING... ii. LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR... iii

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu

FUZZY ELMAN RECURRENT NEURAL NETWORK DALAM PERAMALAN HARGA MINYAK MENTAH DI INDONESIA DENGAN OPTIMASI ALGORITMA GENETIKA TUGAS AKHIR SKRIPSI

ANALISIS DAN PERACANGAN APLIKASI SISTEM PENDETEKSI GANGGUAN JARINGAN KOMPUTER MENGGUNAKAN MULTILAYER DENGAN PELATIHAN FEEDFORWARD SKRIPSI

OPTICAL CHARACTER RECOGNIZATION (OCR)

BAB I PENDAHULUAN. 1.1 Latar Belakang

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Mahasiswa: Muhimmatul Khoiro Dosen Pembimbing: M. Arief Bustomi, S.Si, M.Si.

SIMULASI PENGENALAN TULISAN MENGGUNAKAN LVQ (LEARNING VECTOR QUANTIZATION )

DAFTAR ISI HALAMAN JUDUL... HALAMAN PERSETUJUAN... ii. HALAMAN PENGESAHAN... iii. HALAMAN PERSEMBAHAN... iv HALAMAN MOTTO... INTISARI...

RANCANG BANGUN TOOL UNTUK JARINGAN SYARAF TIRUAN (JST) MODEL PERCEPTRON

KLASIFIKASI CITRA PARU MENGGUNAKAN MODEL SELF-ORGANIZING MAPS RADIAL BASIS FUNCTION NEURAL NETWORKS (SOM-RBFNN) SKRIPSI

1.1 Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian...

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati

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

BAB 2 TINJAUAN PUSTAKA

DAFTAR ISI... HALAMAN JUDUL... HALAMAN PENGESAHAN... HALAMAN MOTTO... HALAMAN PERSEMBAHAN... KATA PENGANTAR... DAFTAR TABLE... DAFTAR GAMBAR...

APLIKASI PENGENALAN POLA DAUN MENGGUNAKAN JARINGAN SYARAF LEARNING VECTOR QUANTIFICATION UNTUK PENENTUAN TANAMAN OBAT

BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)

BAB II LANDASAN TEORI

Tampilan Halaman Menu latihan Kuis Tampilan Halaman Menu Tujuan Tampilan Halaman Menu profil...

POSITRON, Vol. IV, No. 2 (2014), Hal ISSN :

Universitas Bina Nusantara

BAB I PENDAHULUAN. Universitas Sumatera Utara

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION

BAB 2 TINJAUAN PUSTAKA

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB I PENDAHULUAN LATAR BELAKANG MASALAH RUMUSAN MASALAH MASALAH RUANG LINGKUP TUJUAN PENELITIAN...

DAFTAR ISI. Halaman Judul... Halaman Pengesahan... Halaman Persembahan... Halaman Motto... Kata Pengantar... Daftar Isi... Daftar Gambar...

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang

Komparasi Metode Klasifikasi Penyakit Diabetes Mellitus Menggunakan Jaringan Syaraf Tiruan Learning Vector Quantization dan Backpropagation

UNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Industri - Manajemen Skripsi Sarjana Program Ganda Semester Ganjil 2007/2008

Architecture Net, Simple Neural Net

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Pertemuan 11 Diema Hernyka Satyareni, M.Kom

MODEL FUZZY RADIAL BASIS FUNCTION NEURAL NETWORK UNTUK PERAMALAN KEBUTUHAN LISTRIK DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON

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

KATA PENGANTAR. DAFTAR TABEL.. xviii. 1.1 Latar Belakang Masalah 1

Penerapan Learning Vector Quantization Penentuan Bidang Konsentrasi Tugas Akhir (Studi Kasus: Mahasiswa Teknik Informatika UIN Suska Riau)

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PERSETUJUAN... ii. HALAMAN PENGESAHAN... iii. HALAMAN MOTTO... iv. HALAMAN PERSEMBAHAN... v. INTISARI...

TAKARIR. Kombinasi dari beberapa media seperti suara gambar dan animasi

KLASIFIKASI KANKER SERVIKS MENGGUNAKAN MODEL BACKPROPAGATION NEURAL NETWORK DAN PREPROCESSING CITRA DENGAN OPERASI SPASIAL

HALAMAN PENGESAHAN DOSEN PEMBIMBING... HALAMAN PENGESAHAN DOSEN PENGUJI...

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

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

DAFTAR ISI HALAMAN JUDUL... HALAMAN JUDUL KE-2... HALAMAN PENGESAHAN SKRIPSI... HALAMAN PENGESAHAN UJIAN... iv HALAMAN PERNYATAAN BEBAS PLAGIARISME...

1.2 Rumusan Masalah Berdasarkan latar belakang yang telah dibuat diatas, rumusan masalah yang dapat diambil adalah :

BAB I PENDAHULUAN. 1.1 Latar Belakang

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

BAB III METODOLOGI PENELITIAN

LEMBAR JUDUL BAHASA INDONESIA...

DAFTAR ISI. HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii. LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR... iii

IMPLEMENTASI JARINGAN SYARAF TIRUAN PADA HOME INDUSTRI BREM UNTUK MENCEGAH KETERLAMBATAN DISTRIBUSI PENGIRIMAN PRODUK

JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORKS)

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan Februari 2014 sampai dengan Juli 2014 di

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

IDENTIFIKASI PENURUNAN KONDISI FUNGSI ORGAN GINJAL MELALUI IRIS MATA MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION

DAFTAR ISI. LAPORAN TUGAS AKHIR... ii. HALAMAN PERNYATAAN KEASLIAN... iii. LEMBAR PENGESAHAN PEMBIMBING... iv. LEMBAR PENGESAHAN PENGUJI...

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita

BAB II ANALISIS DAN PERANCANGAN...

BAB I PENDAHULUAN. 1.1 Latar Belakang

PENGENALAN CITRA HURUF DAN/ ATAU ANGKA MENGGUNAKAN SISTEM JARINGAN SARAF TIRUAN MODEL HOPFIELD SKRIPSI ANDI AURO HARIANJA

DAFTAR ISI HALAMAN JUDUL HALAMAN PERSETUJUAN HALAMAN PENGESAHAN... KATA PENGANTAR HALAMAN PERSEMBAHAN... MOTTO.. INTISARI. DAFTAR ISI..

UNIVERSITAS BINA NUSANTARA ANALISIS DAN PERANCANGAN PENGENALAN SIDIK JARI DENGAN METODE BIDIRECTIONAL ASSOCIATIVE MEMORY

BAB IV PERANCANGAN & IMPLEMENTASI SISTEM

Transkripsi:

DAFTAR ISI Halaman Judul i Lembar Pengesahan Pembimbing ii Lembar Pengesahan Penguji iii Halaman Persembahan iv Halaman Motto v Kata Pengantar vi Abstraksi viii Daftar Isi ix Daftar Gambar xii Daftar Tabel xv BAB I PENDAHULUAN 1.1 Latar Belakang 1 1.2 Rumusan Masalah 2 1.3 Batasan Masalah 2 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 4 ix

1.6 Sistematika Penulisan 4 BAB II TINJAUAN PUSTAKA 2.1 Jaringan Syaraf Tiruan 6 2.1.1 Komponen - komponen Jaringan Syaraf Tiruan 7 2.1.2 Arsitektur Jaringan Syaraf 9 2.1.3 Fungsi Aktivasi 11 2.1.4 Algoritma Pembelajaran 16 2.1.5 Pembelajaran Terawasi (Supervised Learning) 17 2.16 Pembelajaran Tak Terawasi (Unsupervised Learning) 19 2.17 LVQ (Learning Vector Quantization) 19 2.2 PENGENALAN POLA 22 2.3 MATLAB 23 2.4 Pengenalan Sidik Jari Manusia 24 2.5 Alat Deteksi Sidik Jari 27 BAB III PERANCANGAN SISTEM 3.1 Deskripsi Sistem 29 3.1.1 Perangkat Keras (Hardware) 29 3.1.2 Perangkat Lunak (Software) 30 x

3.2 Perancangan Sistem Pengenalan Pola 30 3.3 Obyek yang Digunakan 33 3.4 Membangun Jaringan Syaraf Tiruan dengan LVQ 34 3.5 Pelatihan Jaringan Syaraf Tiruan LVQ 35 3.6 Pengujian Jaringan Syaraf Tiruan LVQ 38 BAB IV PENGUJIAN, ANALISIS DAN PEMBAHASAN 4.1 Hasil Pengujian Jaringan Syaraf Tiruan LVQ Menggunakan Data (Image) Pelatihan 41 4.1.1 Pengujian Image Sidik Jari Data Latih Pertama 42 4.1.2 Pengujian Imge Sidik Jari Data Latih Ke-dua 47 4.1.3 Pengujian Image Sidik Jari Data Latih Ke-Tiga 50 4.2 Hasil Pengujian Jaringan Syaraf Tiruan LVQ Selain Data (Image) untuk Pelatihan 54 4.2.1 Pengujian Image Sidik Jari I 55 4.2.2 Pengujian Image Sidik Jari II 57 4.2.3 Pengujian Image Sidik Jari III 59 BAB V PENUTUP 5.1 Kesimpulan 62 xi

5.2 Saran 63 DAFTAR PUSTAKA LAMPIRAN xii

DAFTAR GAMBAR Gambar 2.1 Syaraf Secara Biologis 6 Gambar 2.2 Struktur Neuron Jaringan Syaraf Tiruan 7 Gambar 2.3 Jaringan Syaraf Sederhana 8 Gambar 2.4 Arsitektur Jaringan Syaraf dengan Satu Lapisan 9 Gambar 2.5 Arsitektur Jaringan Syaraf dengan Banyak Lapisan 10 Gambar 2.6 Arsitektur Jaringan Syaraf dengan Lapisan Kompetitif 11 Gambar 2.7 Fungsi Aktivasi: undak biner (hard limit) 11 Gambar 2.8 Fungsi Aktivasi: undak biner (threshold) 12 Gambar 2.9 Fungsi Aktivasi: bipolar (symetric hard limit) 12 Gambar 2.10 Fungsi Aktivasi: bipolar (threshold) 13 Gambar 2.11 Fungsi Aktivasi: linear (identitas) 13 Gambar 2.12 Fungsi Aktivasi: saturating linear 14 Gambar 2.13 Fungsi Aktivasi: symetric saturating linear 14 Gambar 2.14 Fungsi Aktivasi: sigmoid biner 15 Gambar 2.15 Fungsi Aktivasi: sigmoid bipolar 16 Gambar 2.16 Contoh Arsitektur Jaringan LVQ 19 xiii

Gambar 2.17 Perangkat Akses Menggunakan Sidik Jari 25 Gambar 2.18 Perangkat Keamanan Akses Menggunakan Sidik Jari 25 Gambar 2.19 Pola Sidik Jari 26 Gambar 2.20 Contoh dari Pola Sidik Jari untuk Pelatihan atau Pengujian 26 Gambar 2.21 Biometric Solution fingerspot 27 Gambar 3.1 Biometric Solution fingerspot 29 Gambar 3.2 Diagram Alir (flowchart) Perancangan Sistem 31 Gambar 3.3 Intreface Menu Utama Sistem Pengenalan Pola Sidik Jari 32 Gambar 3.4 Diagram Alir (flowchart) Prosedur Pelatihan dengan Metode LVQ 37 Gambar 3.5 Diagram Alir (flowchart) Prosedur Pengujian dengan Metode LVQ 39 Gambar 4.1 Grafik Rata-rata error Terhadap Epoh hingga Iterasi ke-200 dengan learning rate (α ) = 0.095 dan pengurangan learning rate ( Dec α ) = 0.1*(α ) konvergen saat iterasi ke-166 47 Gambar 4.2 Grafik Rata-rata error Terhadap Epoh pada Iterasi ke-200 dengan learning rate (α ) = 0.095 dan pengurangan xiv

learning rate ( Dec α ) = 0.1*(α ) konvergen saat iterasi ke-179 50 Gambar 4.3 Grafik Rata-rata error Terhadap Epoh hingga Iterasi ke-200 dengan learning rate (α ) = 0.095 dan pengurangan learning rate ( Dec α ) = 0.1*(α ) konvergen saat iterasi ke-188 54 xv

DAFTAR TABEL Tabel 2.1 Contoh Pola dan Ciri - cirinya 23 Tabel 4.1 Hasil Pengujian LVQ pada Sistem Pengenalan Pola Sidik Jari Terhadap Data Pelatihan Pertama 43 Tabel 4.2 Proses Pengujian Terhadap Program JST Metode LVQ Terhadap Data Pelatihan Pertama 45 Tabel 4.3 Proses Pengujian Terhadap Program JST Metode LVQ Terhadap Data Pelatihan Ke-dua 49 Tabel 4.4 Hasil Pengujian LVQ pada Sistem Pengenalan Pola Sidik Jari Terhadap Data Pelatihan Ke-tiga 53 Tabel 4.6 Hasil Pengujian I Jaringan Syaraf LVQ Selain Image Data Pelatihan 56 Tabel 4.7 Hasil Pengujian II Jaringan Syaraf LVQ Selain Image Data Pelatihan 58 Tabel 4.8 Hasil Pengujian III Jaringan Syaraf LVQ Selain Image Data Pelatihan 60 Tabel 3.1 Objek yang akan digunakan dalam program pengenalan pola sidik jari untuk 100 image data pelatihan L Tabel 3.2 Objek yang akan digunakan dalam program pengenalan pola sidik jari untuk 50 image data pelatihan L xvi

Tabel 3.3 Objek yang akan digunakan dalam program pengenalan pola sidik jari untuk 500 image data pelatihan L Tabel 4.5 Proses Pengujian Jaringan Syaraf LVQ Terhadap Data Pelatihan Ke-tiga L xvii