Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode pengenalan wajah 3D pada penelitian ini merupakan metode baru menggunakan model geometri wajah dengan membangkitkan jarak garis wajah pada kondisi normal dnegan berbagai pose horisontal dalam ruang eigen. Garis eajah dibangkitkan dengan menghubungkan titik-titik pada wajak. Titik-titik pada wajah diperoleh dengan membuat garis yang memiliki kemiringan 0, 45, 90 dan 135 dan melalui titik koordinat tertentu pada wajah serta memotong batas lingkar wajah. Rduksi dimensi matriks citra menggunakan Probability Principal Component Analysis (PPCA) dengan mamaksimumkan fungsi likelihood. Algoritma untuk memaksimumkan fungsi likelihood adalam algoritma EM (Expectation Maximization Algorithm). Pembelajaran citra menggunakan jaringan syarat tiruan Backpropagation. hasil percobaan menunjukkan bahwa secara umum metode wajah lebih baik dan memiliki nilai Mean Square Error (MSE) yang lebih kecil dibandingkan dengan metode tingkat keabuan wajah."

"Metode pengenalan wajah 3D pada penelitian ini merupakan metode baru menggunakan model geometri wajah dengan membangkitkan jarak garus wajah pada kondisi normal dengan berbagai pose horisontal dalam ruang eigen. Garis wajah dibangkitkan dengan menghubungkan titik-titik pada wajah. Titik-titik pada wajah diperoleh dengan membuat garis yang memiliki kemiringan 0, 45, 90 dan 125 dan melalui titik koordinat tertentu pada wajah serta memotong batas lingkar wajah. Reduksi dimensi matriks citra menggunakan Probability Principal Component Analysis (PPCA) dengan memaksimumkan fungsi likelihood. Algoritma untuk memaksimumkan fungsi likelihood adalah algoritma EM (Expectation Maximization Algorithm). Pembelajaran citra menggunakan jaringan syaraf tiruan Backpropagation. Hasil percobaan menunjukkan bahwa secara umum metode jarak garis wajah memiliki akkurasi tingkat pengenalan wajah lebih baik dan memiliki nilai Meas Square Error (MSE) yang lebih kecil dibandingkan dengan metode tingkat keabuan wajah."

"ABSTRAKSistem pendeteksian wajah pada citra telah berkembang pesat sampai saat ini. Tujuan dari deteksi wajah adalah untuk mengindentifikasi dan menempatkan wajah manusia dengan pasisi. skala,oarientasi dan kondisi pencahayaan tertentu. Berbagai metode telah diajukan sampai saat ini. Salah satu pengembangan lebih lanjutnya adalah dengan menggunakan jaringan syaraf tiruan (neural network). Pada paper ini dibahas sistem deteksi wajah berdasarkan jaringan syaraf tiruan dengan metode training propagasi balik dengan momentum. Jaringan syaraf tiruan menguji setiap window dari citra, dan memmtukan apakah setiap window berisi wajah atau tidak. Setelah itu sistem menentukan window terbaik, yang akan disimpulkan sebagai wajah. Sistem inl dapat mendeteksi wajah frontal pada citra grayscale dengan latar belakang yang kompleks dan skala yang bervariasi. Agar dapat menguji citra masukan untuk ukuran wajah yang berbeda-beda, maka dilakukan metode piramida terhadap citra masukan. Pada skripsi ini, ststem deteksi dengan jaringan syaraf tiruan diuji dengan perubahan pada parameter jumlah lapisan tersembunyi dan jumlah epoch yang dilakukan pada proses training. Sistem akan dianalisa kinerjanya berdasarkan lamanya waktu deteksi serta ketepatan hasil proses deteksi. Dari hasil pengujian didapatkan waktu deteksi sangat dipenganthi oleh ukuran citra, dan ketepatan proses deteksi sangat dipengaruhi oleh jumlah lapisan tersembunyi dan banyaknya epoch pada proses training, serta karakteristik dari citra masukan

---

"

"Maraknya keberadaan minimarket di Jakarta khususnya di daerah perumahan seperti di kawasan Perumnas Klender Jakarta Timur membuat pihak manajemen dari suatu minimarket di daerah tersebut ingin melakukan kebijakan-kebijakan untuk meningkatkan penjualan. Salah satu kebijakannya adalah dengan merancang discount untuk pembelian suatu kombinasi produk tertentu. Untuk melakukan hal tersebut harus diketahui kombinasi produk apa yang diminati oleh pelanggan, Salah satu caranya dengan Metode Kaidah Asosiasi. Metode Kaidah Asosiasi menggunakan algoritma Apriori untuk menghasilkan aturan-aturan asosiasi. Aturan asosiasi ini akan memberikan informasi mengenai kombinasi produk yang diminati oleh pelanggan, sehingga pihak manajemen dapat melakukan kebijakan-kebijakan untuk menarik para pelanggan berbelanja di minimarketnya.Kata kunci : Data transaksi, itemset, frequent, algoritma Apriori, support, confidence, aturan asosiasi.ix + 39 hlm ; lampBibliografi : 8 (1995-2006)"

"ABSTRAKDalam sistem basis data terdistribusi, replikasi dilakukan untuk tujuan meningkatkan ketersediaan data yakni mengatasi masalah kegagalan data pada beberapa site serta ' memperbaiki kinerja sistem dengan melibatkan replika seminimal mungkin dalam setiap transaksi. Penelitian ini bertujuan membuat suatu algoritma yang mempunyai kinerja lebih baik dibandingkan dengan algoritma-algoritma berbasis Konsensus Kuorum dan algoritma ini mempunyai kinerja yang lebih baik untuk transaksi-transaksi tertentu dibandingkan dengan algoritma Read One Write All. Algoritma ini dibuat dengan asumsi kebaruan data tidaklah menjadi prasyarat. Penelitian ini menghasilkan algoritma Penghitungan Konsistensi yang transaksi tulisnya cukup melibatkan sejumlah kuorum tulis replika dan transaksi bacanya cukup melibatkan sebuah replika pertama dari pasangan partisi data yang saling konsisten. Pembuktian terhadap algoritma Penghitungan Konsistensi dilakukan secara induksi. Untuk melihat kinerja algoritma ini, dibuat suatu program simulasi yang membandingkan ketiga algoritma: Penghitungan Konsistensi, Konsensus Kuorum dan Read One Write All. Simulasi dilakukan dengan mengeksekusi ketiga algoritma terhadap transaksi-transaksi yang jenisnya bervariasi. Dari hasil simulasi ini, lama waktu komputasi konsistensi menunjukkan bahwa algoritma Penghitungan Konsistensi umumnya lebih baik daripada kedua algoritma lainnya; kecuali bila persentase transaksi baca tinggi sekali (di atas 78% transaksi baca), maka algoritma Read One Write All lebih baik. Jumlah replika yang terlibat transaksi menunjukkan bahwa algoritma Penghitungan Konsistensi umumnya lebih baik dibandingkan kedua algoritma lainnya (sekitar 85% bare tersusul oleh algoritma Read One Write All)."

"Penelitian ini akan membahas masalah penjadwalan Job shop (Job shop scheduling problem). Kerumitan pada masalah penjadwalan job shop disebabkan karena pada proses setiap komponen memiliki aliran yang berbeda sehingga dibutuhkan penjadwalan untuk menentukan urutan pengerjaan setiap komponen. Karena kompleksnya masalah penjadwalan produksi, maka solusi penyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatan heuristik yaitu metode algoritma tabu search. Algoritma tabu search, yaitu suatu pendekatan heuristik dalam pencarian solusi berdasarkan pada metode optimasi, dimana algoritma ini menggunakan daftar tabu dan iterasi lokal untuk mencegah terjebak pada local optimal hingga tercapainya solusi mendekati terbaik. Pada model jobshop penelitian ini terdapat 5 job dengan 98 komponen yang di kerjakan di 8 mesin. Fungsi tujuan dari permasalahan ini ialah meminimalkan total waktu pengerjaan seluruh job. Hasil penjadwalan produksi yang diperoleh melalui algoritma tabu search setelah 20 iterasi menghasilkan minimal makespan seluruh job sebesar 197.50 jam. Jadi, jika dibandingkan dengan jadwal produksi yang lama, maka terjadi penurunan makespan yaitu sebesar 53,87 %.

---

This research will present Job shop scheduling problem. The complexity of the job shop scheduling problem is caused the process of each component having different flow process. that it takes to determine sequencing of processing for each component in the scheduling. Due to the complex problem of production scheduling, then the solution to the problem of settlement is done by using a heuristic approach to taboo search algorithm method. Taboo search algorithm, which is a heuristic search approach based on the solution methods of optimization, where this algorithm uses a local list of taboo and iterations to prevent getting stuck on a local optimum to the achievement of a solution approach the best. In this model there are 5 jobs with 98 components that are in working on the 8 machines. The purpose of this function is to minimize the problems of the total cost of makespan. Production scheduling results obtained through taboo search algorithm after 200 iterations produces minimal makespan whole job of 197.5 hours. So, when compared to the long production schedule, then decline the makespan of 53.87%."

"Perkembangan penggunaan internet dimanfaatkan dalam dunia pendidikan melalui metode Distance learning. Sebagai Salah satu bagian dari proses pendidikan. pelaksanaan ujian dalam Distance Learning dirasa memerlukan perhatian. Tanpa adanya evaluasi maka tidak dapat diketahui keberhasilan proses pembelajaran. ADES (Agent-based Distance Educational System) sebagai Salah satu sistem yang menggunakan metode Dfsmnce Learning memiliki algoritrna yang cukup baik untukmenetukan tingkat pemahaman pelajar terhadap materi yang diajarkan serta untuk memilih soal ujian. Soal ujian yang dipilih dipengaruhi oleh hasil ujian sebelumnya. Algoritma sistem ini dapat digunakan untuk membantu proses evaluasi karena pengajar dapat mengetahui tingkat pemahaman masing-masing pelajar. Modui Ujian dibuat menggunakan bahasa pemrograman PHP dan HTML serta database MySQL umuk penyimpanan datanya. Dalam aplikasinya algoritma ADES yang digunakan disesuaikan dengan kebutuhan modul ujian. Dengan penggunaan algoritma ADES pada modul ujian penentuan lingkat pemahaman pelajar menjadi Iebih akurat dibandingkan melalui ujian biasa. Hal ini disebabkan karena setiap pelajar akan memperoleh soal ujian yang berbeda tingkat kesukarannya, tergantung dari hasil ujian sebelumnya. Dengan demikian setiap pelajar akan memperoleh nilai yang sesuai dengan ringkat pemahamannya pada pelajaran tersebut."

"Flowshop Scheduling Problem (FSP) adalah masalah penjadwalan yang berkaitan dengan pengurutan pemrosesan n pekerjaan pada m mesin, dimana setiap pekerjaan harus diproses tepat satu kali pada setiap mesin dalam urutan yang sama, dengan waktu proses tertentu. Permutation Flowshop Scheduling Problem (PFSP) adalah kasus khusus dalam FSP, dimana n pekerjaan diproses dalam urutan yang sama pada setiap mesin. Pada tugas akhir ini akan dilihat kinerja kombinasi Algoritma Memetika (AM) dan metode Greedy Randomized Adaptive Search Procedure (GRASP) dalam menyelesaikan PFSP dengan tujuan meminimumkan makespan. Kinerja metode AM dan GRASP dilihat dari kedekatan solusi yang dihasilkan dengan Best Known Solution (BKS) pada Taillard’s Benchmark dan dari waktu komputasinya. Berdasarkan pengujian, disimpulkan bahwa metode AM dan GRASP cukup kompetitif dalam meyelesaikan PFSP dengan error relatif tidak lebih dari 2 %. Selain itu, metode AM dan GRASP lebih cepat konvergen ke solusi optimal dibandingkan dengan metode AM dan metode GRASP sendiri-sendiri."

"Salah satu jenis topologi yang banyak digunakan dalam jaringan komunikasi data adalah topologi Mesh. Topologi jenis ini mempunyai keunggulan antara lain sifatnya yang fleksibel dan dinamis sesuai dengan kondisi dan keadaan jaringan tersebut. Ada banyak kombinasi bentuk jaringan dalam topologi Mesh sesuai dengan aplikasi dan syarat serta tuntutan jaringan tersebut. Untuk membantu dalam merancang bentuk jaringan pada topologi Mesh maka pada penelitian ini dirancang suatu algoritma yang dapat memilih dan menentukan bentuk jaringan yang paling optimal pada topologi Mesh. Algoritma Mesh yang dirancang pada penelitian ini menggunakan pendekatan prosedur Minimum Spanning Tree yang merupakan penyempumaan dari algoritma Prim's."