Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini merupakan kelanjutan dari penelitian sebelumnya yang menggunakan Nearest Feature Line (NFL) sebagai metode klasifikasi penentuan sudut pandang sebuah obyek. Pada penelitian sebelumnya telah ditunjukkan bahwa dengan mengurangi banyaknya garis yang tidak perlu dalam menghubungkan titik-titik ciri dalam ruang eigen mampu meningkatkan tingkat pengenalan sistem. Hal ini disebabkan karena semakin banyak garis ciri yang terbentuk akan menyebabkan semakin besarnya kemungkinan terjadinya kesalahan penentuan sudut pandang.Pada penelitian sebelumnya juga telah dikembangkan klasifikasi sudut pandang dengan menggunakan metode pendekatan sudut presisi. Pendekatan ini mampu meningkatkan tingkat pengenalan sistem bila dibandingkan dengan metode pendekatan sudut pewakil yang telah dikembangkan pada penelitian sebelumnya karena mampu menentukan sudut dari titik uji yang jatuh di perpanjangan garis ciri Sistem penentu sudut pandang ini terdiri dari 2 subsistem yaitu pembentukan ruang ciri dan klasifikasi sudut pandang.Dalam pembentukan ruang ciri, penulis melakukan perbandingan antara pembentukan ruang ciri berdasarkan kelas wajah data pelatihan dan pembentukan ruang ciri berdasarkan kelas wajah data pelatihan dan kelompok sudut horizontal/vertikal yang sama. Sedangkan dalam klasifikasi sudut pandang penulis melakukan perbandingan antara penggunaan interpolasi linier dengan interpolasi spline sebagai fungsi untuk membentuk garis ciri dengan menghubungkan titik-titik ciri yang ada dalam ruang ciri.Dalam penelitian ini penulis menggunakan Bezier spline dan Cardinal spline sebagai interpolasi spline Berdasarkan eksperimen dalam penelitian ini, pembentukan ruang ciri berdasarkan kelas wajah data pelatihan atau pembentukan ruang ciri berdasarkan kelas wajah data pelatihan dan kelompok sudut horizontal/vertikal yang sama tidak mempengaruhi tingkat pengenalan sistem secara signifikan. Hal ini disebabkan karena perbedaan proporsi kumulatif yang digunakan pada proses pembentukan setiap ruang ciri. Namun penggunaan jenis interpolasi sebagai fungsi pembentuk garis ciri mempengaruhi tingkat pengenalan sistem. Dengan menggunakan interpolasi spline pengenalan sistem penentu sudut pandang dapat meningkat bila dibandingkan dengan menggunakan interpolasi linier. "

"One of the data integration methods is data consolidation. This method captures data from multiple source systems/data and integrates it into a single persistent data. We examined the performance of data consolidation using k-means and Gaussian mixture clustering. Meanwhile, we use Silhouette index as cluster validation and measure how well of a clustering relative to others. The experiments analyses the data in various data duplication rate and actual number of data cluster. Based on the experimental result, there are two factors affecting the performance of data consolidation. These factors are the rate/percentage of duplicate data and the number of actual cluster contained in a data. The higher percentages of duplicate data and less number of clusters contained in the data would be increasing the performance of clustering algorithm.Salah satu metode dari integrasi data adalah konsolidasi data. Metode ini mengambil data dari beberapa sumber data untuk digabungkan menjadi data persisten tunggal. Peneliti memeriksa kinerja konsolidasi data menggunakan beberapa teknik clustering yaitu k-means dan gaussian mixture clustering. Penulis menggunakan Silhouette index sebagai metode validasi cluster untuk mengukur seberapa baik suatu pengelompokan relatif terhadap data lain. Penelitian ini melakukan analisis data terhadap jumlah rata-rata duplikasi data dan jumlah sebenarnya dari cluster data. Berdasarkan hasil percobaan, ada dua faktor yang mempengaruhi kinerja integrasi data dengan menggunakan konsolidasi data. Faktor-faktor tersebut antara lain adalah tingkat atau persentase dari duplikasi data dan jumlah cluster sebenarnya yang terkandung dalam data. Persentase duplikasi data yang tinggi dan data yang mengandung jumlah cluster yang rendah, akan meningkatkan kinerja dari algoritma clustering."