Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu jenis penyakit kanker yang dapat menyebabkan kematian adalah kanker kulit (melanoma malignum). Tetapi jika penyakit ini dapat terdeteksi lebih awal maka kemungkinan besar dapat disembuhkan secara total. Cara yang sudah banyak digunakan paramedis untuk mendiagnosis tumor kulit adalah dengan melakukan biopsi yang membutuhkan biaya yang cukup besar. Karena itu banyak penelitian-penelitian yang dilakukan untuk memperkecil biaya ini tetapi dengan ketelitian yang cukup tinggi, salah satunya adalah dengan sistem komputerisasi yang menggunakan jaringan saraf tiruan propagasi balik. Input dari jaringan ini berupa hasil ekstraksi ciri dari citra tumor kulit. Ekstraksi ciri tekstur dari citra tumor payudara basil mammography dengan menggunakan Fuzzy Cooccurrence Matrix (FCM) sudah berhasil dilakukan oleh H.D Cheng, C.H. Chen dan R.I Freimanis. Pada penelitian ini FCM digunakan untuk mengekstraksi citra tumor kulit dan jaringan saraf tiruan propagasi balik digunakan untuk mengenalinya. Hasil penelitian yang terbaik didapat jika input jaringan berupa ciri tekstur, bentuk dan warna. Dengan menggunakan perbandingan jumlah data pelatihan dengan data pengenalan 1 : 1 jaringan berhasil mengenali tumor jinak (benign) seluruhnya, tetapi untuk tumor ganas (melanoma malignum) ada 1 tumor ganas yang dikenali sebagai tumor jinak."

"[Dewasa ini, teknologi berkembang dengan sangat pesat, salah satu contoh teknologi yang sedang marak beberapa tahun belakangan ini adalah 3D face recognition. Teknologi ini menggabungkan data biometrik berupa wajah orang yang diambil dari beberapa sudut (horizontal dan vertikal) dan jaringan saraf tiruan. Untuk memperbaiki tingkat rekognisi yang rendah pada saat menggunakan data crisp, maka digunakanlah metode fuzzy. Percobaan akan dilakukan sebanyak tiga kali karena terdapat tiga cluster yang masing-masing cluster terdiri dari beberapa set orang. Pertama-tama, data akan diolah secara bertahap pada fase fuzzification dimulai dari parameter ekspresi, orang, dan sudut. Tahapan selanjutnya adalah membuat referensi pada fase fuzzy manifold untuk kemudian digunakan pada fase fuzzy nearest distance. Pada fase fuzzy nearest distance akan dicari jarak terpendek dari data testing dengan referensi yang sudah ada. Hasil keluaran dari sistem ini adalah kombinasi sudut horizontal dan vertikal dari tiap-tiap cluster yang nantinya akan dimasukkan kedalam Jaringan Saraf Tiruan (JST) dengan lapis tersembunyi berstruktur hemisfer untuk mendapatkan tingkat rekognisi. Secara keseluruhan rata-rata tingkat rekognisi setiap cluster sudah bisa mencapai 80%. Hal ini menunjukkan sistem sudah cukup optimal dalam mengenali pola wajah yang ada. ;The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. ;The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. , The development of technology is growing rapidly, one of the examples of the technology that is emerging in recent years is 3D face recognition. This technology combines biometric data in form of faces which are taken from several angles (combination of horizontal and vertical angles) and artificial neural network. In order to improve the low recognition rate from crisp data, fuzzy method is used. The experiment will be performed three times because there are three cluster which are consist of several set of person. Firstly, the data will be processed step by step in fuzzification phase starting from the level of expression continued with the level of face and lastly is the level of person. With the use fuzzification, the crisp data can be converted into fuzzy. The next step is to make references in fuzzy manifold phase in order to be used in fuzzy nearest distance phase. In fuzzy nearest distance phase, the shortest distance between the testing data the references will be processed in artificial neural network with hemispheric structured hidden layer. Generally, the average of the all recognition rate can reach up to 80% which means that the system can recognize the face pattern quite good. ]"

"Telah dilakukan penelitian berupa pengenalan kualitas fisika air mineral dengan tnenggunakan jaringan saraf tiruan. Ktralitas fisika air yang dikenalkan adalah intensitas cahaya dan deviasi temperatur air terhadap lingkungan. Tujuan penelitian ini adalah membangun sistem pengukur intensitas cahaya dan deviasi temperatur air terkomputerisasi yang diolah dengan algoritma jaringan saraf tiruan. Sensor suhti yang digunakan LM335 dengan kepekaan 10 inVC. Sedangkan detekior cahaya yang digunakan adalah LDR. Keluaran LM335 dan LDR dikuatkan oleh serangkaian OpAmp dengan masukan membalik. Komunikasi antarmuka dipilih ADC Card 12-bit produksi Decision Computer Int'l. Co. Pin 5 digunakan untuk komunikasi LM335, pin 6 digunakan untuk komunikasi LDR. Hasil bacaan suhu dan caliaya yang telah dikalibrasi ditampilkan ke dalam PC. Perangkat lunak ditulis dengan bahasa Delphi dan penajamon analisis data digunakan algoritma jaringan saraf tiruan. Arsitektur jaringan saraf tiruan yang digunakan mengikuti aturan n-2m-2n-m. Metode pernbelajaran yang dipakai perambatan batik (Back Propagation). Penelitian ini memberikan hasil yang cukup balk. Regresi linier terhadap data kalibrasi suhu menghasilkan persamaan digital = 0.0094 x suhu + 2,7328. Statistik regresinya, R2 = 0,9815. Sedangkan basil kalibrasi cahaya memberikan persamaan digital = 0.0109 x cahaya + 1.015. Statistik regresinya, R2 = 0.9684. Secara MUM, hasil pengujian jaringan saraf tiruan menyatakan bahwa target keluaran dapat tercapai dengan baik."

"Sejak awal ditemukannya komputer hingga kini, manusia berinteraksi dengan komputer melalui papan ketik (keyboard). Upaya untuk memberikan kemampuan guna mengenali ucapan oleh komputer akan memperluas lingkup penggunaanya. Meciptakan komputer yang dapat mengenali ucapan manusia merupakan hal yang kompleks dan melibatkan berbagai disiplin ilmu. Dalam skripsi ini akan digrnikan perancangan sistem pengenalan ucapan untuk mengenali ke-6 vokal dalam Bahasa Indonesia dan kata dalam bahasa Indonesia dengan metoda-metoda yang sebagian besar merupakan peniruan dari fungsi (kemampuan) manusia. Metoda-metoda yang digunakan meliputi pemisahan sinyal ucapan dengan bukan ucapan (kesenyapan atau derau latar belakang). Ekstraksi ciri dengan pengkodean prediksi linear (Linear Predictive Code, LPQ yang dapat dengan baik merepresentasikan produksi suara manusia. Jaringan Saraf Tiruan ART 2 yang bersifat adaptif digunakan untuk pengenalan vokal, serta Hidden Markov Model digunakan untuk pengenalan kata karena dapat mendeteksi informasi dari masukan yang temporal."

"Dalam makalah ni akan dibahas sistem pengenal huruf tulisan tangan (SPHTT) yang terdiri dari sub-siostem pra-pengolahan citra, sub-sistem ekstraksi ciri dan sub-sistem klasifikasi. Sub sistem ekstrakasi ciri menggunakan proses aproksimasi kerangka setiap huruf dan memecah kerangka tersebut menjadi beberapa segmen dengan menentukan sejumlah titik penting dalam kerangka. Dalam sistem ini jaringan syaraf tiruan propadasi balik digunakan sebagai sub-sistem klasifikasi. Setiap segmen huruf tulisan tangan tersebut kemudian dipresentasikan sebagai loop, garis dan kurva dengan beberapa sifat yang berkaitan. Dalam makalah ini dijelaskan pula penggunaan sub-sistem ekstraksi ciri berlogika fuzzy untuk mendapatkan representasi terhadap bentuk yang telah ditetapkan sebelumnya. Eksperimen dilakukan dengan mengujukan data yang dilatihkan, sistem mempunyai akurasi pengenalan sampai dengan 97.69% sementara untuk data yang tidak dilatihkan akurasi pengenalan yang dicapai adalah 84.6%"

"Tindak kejahatan pada era globalisasi sekarang ini semakin meningkat. Pentingnya penggunaan kamera pengawas juga semakin dirasakan perlu. Dengan adanya penggunaan kamera pengawas ini diharapkan dapat membantu pihak kepolisian dalam mengungkap kejahatan dengan cepat dan juga membantu dalam proses pengawasan. Namun, banyak keterbatasan dari kamera pengawas ini terutama ketika pengambilan citra dalam keadaan gelap atau minim pencahayaan. Padahal situasi gelap seperti ini adalah waktu tepat bagi para pelaku kejahatan melakukan aksinya. Oleh karena itu, penting untuk menemukan suatu cara untuk memecahkan permasalahan ini. Dalam penelitian ini akan dikembangkan algoritma untuk melakukan restorasi citra dari keadaan kurang cahaya atau gelap menjadi citra yang lebih terang dengan menggunakan jaringan saraf tiruan dan logika fuzzy. Penggunaan dua teknik ini didasari dari perkembangan ilmu pengetahuan keduanya yang pesat dan kemampuan yang sudah terbukti dalam memecahkan permasalahan yang berkaitan dengan citra. Algoritma ini nantinya juga akan mengakomodasi permasalahan pada citra yang berada pada intensitas minim pencahayaan yang berbeda-beda. Penentuan algoritma baik itu menggunakan logika fuzzy dan jaringan saraf tiruan mengacu pada beberapa penelitian sebelumnya yaitu algoritma restorasi warna menggunakan color change vector dan juga penelitian-penelitian yang berhubungan dengan logika fuzzy, jaringan saraf tiruan, dan pemrosesan citra. Hasil uji coba memperlihatkan hasil restorasi citra yang memuaskan diukur dari tingkat luminance dari warna tiap pixel baik untuk algoritma fuzzy maupun algoritma jaringan saraf tiruan walaupun teknik yang digunakan berbeda. Algoritma menggunakan logika fuzzy dikembangkan dengan memperhatikan unsur luminance dari warna. Sedangkan, algoritma menggunakan jaringan saraf tiruan dengan melalui proses pelatihan terlebih dahulu. Diharapkan algoritma ini menjadi dasar pengembangan algoritma restorasi selanjutnya dan dapat diintegrasikan dalam sistem kamera pengawas agar dapat berfungsi secara real-time."

"The capabilities of artificial neural network (ANN) : generalization, adaptive, and tolerant became a basis in choosing the pattern recognition methods of Javanese charahters...."

"ABSTRAKJalan merupakan prasarana perhubungan darat yang sangat penting dalam transportasi. Karena itu perawatan jalan sangat diperlukan. Salah satu faktor yang diperlukan dalam manajemen perawatan jalan adalah pengenalan pola retak jalan.Pada skripsi ini dibuat suatu perangkat lunak yang dapat mengenali pola retak jalan berda-sarkan tipenya yaitu alligator, diagonal, longitudinal. dan transversal_ serta jalan yang tanpa retak. Jalan yang digunakan sebagai data dalam skripsi ini hanyalah jalan dengan perkerasan aspal.Jaringan saraf tiruan merupakan implementasi dari jaringan saraf mahluk hidup dalam hal pengenalan pola yang dibuat ke dalam suatu perangkat lunak. Jaringan syaraf tiruan yang digunakan dalam skripsi ini adalah jaringan saraf tiruan propagasi balik. Jaringan ini banyak sekali dipakai untuk pengenalan pola karena kemampuannya dalam hal membedakan data-data yang terpisah secara tidak linier."