UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Pengembangan model prediksi titik fiksasi mata dari data eye tracking menggunakan neural network = Development of eye fixation points prediction model from eye tracking data using neural network / Maulana Senjaya Susilo

Maulana Senjaya Susilo; Komarudin, supervisor; Boy Nurtjahyo Moch., supervisor; Amalia Suzianti, examiner; Erlinda Muslim, examiner ([Publisher not identified] , 2016)

 Abstrak

ABSTRAK
Dengan semakin banyaknya bidang keilmuan yang menggunakan bantuan eye-tracker untuk mencapai terobosan baru di masing-masing bagiannya, titik fiksasi sebagai lokasi responden menghentikan pergerakan mata dan kemungkinan besar dilakukan untuk mencoba mencerna informasi yang terdapat di area tersebut lalu dijadikan pertimbangan untuk pengambilan keputusan menjadi sangat penting untuk diketahui. Menjawab kebutuhan tersebut, penulis mengembangkan sebuah model Neural Network menggunakan bantuan MATLAB untuk memprediksi output dari proses yang dilakukan terhadap titik fiksasi asli hasil percobaan eye-tracking dengan cara melatih dan menguji berbagai jenis kombinasi fungsi transfer antar layer dan fungsi training yang ada pada Neural Network dengan tujuan mencari kombinasi fungsi yang memberikan nilai MAPE (Mean Absolute Percent Error) dan MSE (Mean Squared Error) terkecil, jumlah iterasi training terkecil, dan durasi training yang paling singkat

ABSTRACT
With the increasing number of scientific fields which use the eye-tracker to achieve new breakthroughs in their each part, the fixation point as the location of the respondent to stop the movement of their eyes and most likely done to try to digest the information contained in the area and taken that information into consideration for the decision making to be very important to know. Answering this need, the authors developed a model of Neural Network using the help of MATLAB to predict the output from the process undertaken to original fixation point results of eye-tracking experiment by training and test various types of combinations of transfer functions between the layers and training functions that exist in Neural Network with the purpose of seeking a combination of functions that give the smallest MAPE (Mean Absolute Percent Error) and MSE (Mean Squared Error) value, the smallest number of training iterations, and the shortest duration of the training

 File Digital: 1

Shelf
 T45751-Maulana Senjaya Susilo.pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Tesis Membership
No. Panggil : T45751
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : [Place of publication not identified]: [Publisher not identified], 2016
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xiii, 78 pages : illustration ; 28 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
T45751 15-17-893868877 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20432478
Cover