Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam skripsi ini dikembangkan suatu sistem analitis of}-line untuk mengenali tulisan tangan diskrit dengan menggunakanjaringan saraf buatan sebagai pengklasiftkasi. Pendekatan yang diambil adalah dengan melakukan pra-pengolahan terlebih dahuiu terhadap citra masukan, dan mengekstraksi beberapa ciri sebelum dimasukkan ke dalam jaringan saraf. Ciri yang digunakan tidak terlalu banyak yaitu 72 buah, dan diambil dari berbagai jenis kategori yaitu ciri global, lokal, tipografis, dan topologis. Jaringan saraf buatan yang digunakan dalam skripsi ini ada tiga buah yaitu jaringan huruf kecil, jaringan huruf besar, dan jaringan ACON (All Class in One Network) yang merupakan sebuah jaringan tunggal yang menangani semua kelas keluaran baik huruf besar maupun huruf kecil. Setiap node pada ketiga jaringan tersebut menggunakan fungsi aktivasi sigmoid dengan jangkauan keluaran [45, 0.5]. Pelatihan dilakukan dengan algoritma propagasi balik online (online backpropagation) untuk meminimumkan fungsi kesalahan cross-entropy. Dalam skripsi ini akan dibandingkan kemampuan generalisasi antara jaringan ACON dengan jaringan subclass yang terbentuk dari jaringan huruf besar dan jaringan huruf kecil. Pengujian juga dilakukan untuk melihat kemampuan sistem untuk mengenali citra masukan yang telah transformasi skala."

"ABSTRAKTidak terlalu berlebihan jika dikatakan bahwa perkembangan ekonomi secara keseluruhan harus pula diukur dari seberapa jauh perkembangan pasar modal dan industri sekuritas pada negara tersebut. Keputusan investasi dari seorang pemodal yang rasional didahului oieh suatu proses analisis terhadap variabel yang secara fundamental diperkirakan akan mempengaruhi harga suatu saham. Pada ekstrem yang lain sebagian pemodal menganggap bahwa jual bell saham adalah karena cepatnya perubahan harga (pin point technical analisis) atau faktor waktu (timing).Sistem jaringan syaraf tiruan adalah sistem jaringan yang meniru jaringan syaraf biologis. Sistem komputasi jaringan syaraf tiruan ini mempunyai kemampuan untuk mengatasi masalah-masalah yang non-algoritmik, selain itu juga rnampu menangani masalah yang memiliki data rumit mempunyai derau, dan tidak lengkap.Pada skripsi ini dibuat perangkat lunak Sistem Jaringan Syaraf Tiruan untuk Memprediksi Saham, menggunakan metode propagasi umpan balik (back propagation), dengan menggunakan data perubahan harga (pin point technical analisis) dan akan diadakan uji coba perangkat lunak tersebut.Dari hasil uji coba yang dilakukan diperoleh hasil bahwa sistim jaringan syaraf tiruan memiliki hasil prediksi yang cukup akurat dengan tingkat kesaiahan yang cukup kecil. Peningkatan selanjutnya adalah penambahan masukan sebagai pembanding daiam proses pembelajarannya juga proses coba-coba untuk nendapatkan bobot yang sangat baik."

"Tujuan: Tujuan dari penelitian ini adalah mendapatkan model jaringan saraf tiruan dengan algoritma pembelajaran backpropagation berdasarkan data masukan dari pola sidik jari penderita obesitas. Diharapkan model JST yang diperoleh dapat menjadi alat bantu diagnosis bagi para klinisi dalam mengidentifikasi kasus obesitas berdasarkan keturunan. Metode: Data dari pola sidik jari penderita obesitas dan data penunjang lainnya diuraikan menjadi variabel masakan Variabel keluaran ditentuknn berdasarkan kasus obesitas yang diderita oleh pasien. Kemudian data sampel dibagi dua yaitu data untuk training dan data untuk testing. Dengan menggunakan data training maka Metode Jaringan syaraf tiruan mempelajari pola sidik jari pendarita obesitas yang kemudian digunakan untuk memprediksi data testing. Akurasi identifikssi atau pengenalan pola sidik jari penderita obesitas akan sangat ditentukan oleh hasil prediksi algoritma jaringan syaraf tiruan terhadap data testing. Hasil: Dalam proses pemhelajaran dengan metode jaringan berbasil melakukan pengenal terhadap data training dengan error sebesar O,QI berhasil dicapai. Untuk prediksi polo sidik jari melalui data testing rata-rata keberhasilan adalah 71,82%. Angka prosentasi keberbasilan ini cukup baik dan depat dijadikan alat bantu bagi para praktisi medis di bidang obesitas dalam menentukan faktor keturunan dari penyakit obesitas. Kesimpulan: Percobaan ini menghasilkan model JST yang dapat diaplikasikan pada pengelan pola sidik jari pendarita obesitas. Rata-rata keberhasilan prediksi sebesar 71,82% dapat ditingkat dengan menambah data training bagi Metode Jaringan Saraf Tiruan.

---

Objective: The objective of this research is to obtain an artificial neural network model with backpropagation learning algorithm based on input data from the fingerprint pattern of the obese patients. It is expected that ANN models can be obtained as diagnostic tool for clinicians in identifying cases of obesity based on descent.

Methods: Data from the fingerprint pattern of obesity and other supporting data is decomposed into input variables. Output variable is determined on a case-obesity suffered by the patient Then the sampled data is divided into two data. One for training and other for testing. By using training data. the method of artificial neural networks learn the patterns of the obese fingerprint which is then used to predict the testing data. Accuracy of fingerprint pattern recognition of obesity will be detemined by the results of neural network algorithm prediction against testing data.

Results: In the learning process stage, Artificial Neural Network succceded in identifying a network of training with error 0.01 was achieved. For the prediction of fingerprint patterns through data testing success rate was 80%. The rate for the percentage of success is quite good and can be used as a tool for medical practitioners in the field of obesity in determining obesity cases base of genetic factor.

Conclusion: This experiment resulted ANN model that can be applied to the fingerprint pattern recognition of obese patients. The average prediction success of 71,82% would be increase if we can add more data for 1raining process for Neural Network Method."

"Dalam bidang kriminal, pengenalan sidik jari membutuhkan banyak waktu dan tenaga, karena itu Lerbagai cara otomatisasi dilakukan untuk mempermudah serta mempercepat proses pengenalan sidik jari tersebut. Salah satu teknik otomatisasi untuk pengenalan sidik jari ini adalah dengan menggunakan komputer dan pemanfaatan aplikasi dad jaringan saraf buatan. Dalam skripsi ini digunakan proses otomatisasi dengan menggunakan gabungan dari proses-proses pengolahan citra dan jaringan saraf buatan. Citra sidik jari hasil scanning diolah dan diproses sehingga didapatkan ciri-ciri sidik jari bersangkutan, berupa kode arah rata-rata dan jumlah bifurkasi. Ciri-ciri ini kcmudian dimasukkan ke dalam suatu sistem jaringan saraf buatan untuk- proses pelatihan sehingga jaringan saraf tersebut dapat digunakan sebagai standar pembanding untuk proses identifikasi. Jaringan saraf yang dirancang dan diterapkan dalam skripsi ini adalah salah satu dari topologi jaringan saraf mulliiayer dengan algoritma pelatihan propagasi balik, karena dari hasil yang diperoleh telah menunjukkan proses pengenalan yang cukup akurat dan memakan waktu yang singkat."