Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini membahas tentang sebuah metoda Principal Component Analysis untuk data yang terbentuk dari bilangan fuzzy. Metoda ini akan mentransformasi data fuzzy yang berada dalam ruang data berdimensi d ke sebuah ruang eigen yang berdimensi p dengan p < d, menggunakan sebuah Jaringan Neural Buatan Autoassociative Neural Network. Pengujian menggunakan data aroma dan data citra yang memiliki noise. Hasil dari percobaan menunjukkan bahwa metoda ini telah berhasil melakukan pemetaan terhadap data-data tersebut. Hasil percobaan juga menunjukkan bahwa metode ini lebih cocok digunakan pada data fuzzy berdimensi besar dan memiliki banyak dimensi yang berisi data redundant."

"Telah dilakukan penelitian terhadap pengembangan algoritma FNGLVQ sehingga memiliki karakteristik adaptif terhadap data input sehingga besaran perubahan vektor referensi memiliki besaran nilai yang adaptif. Karakteristik adaptif didapatkan dengan melakukan modifikasi terhadap perubahan update bobot dengan melakukan penurunan fungsi keanggotaan fuzzy tidak hanya terhadap parameter mean (yang dilakukan pada FNGLVQ awal) namun penurunan dilakukan terhadap kedua nilai min dan max sehingga besaran perubahan nilai min dan max akan bervariasi (tidak konstan seperti FNGLVQ) yang tergantung dari besaran input yang digunakan.Karakteristik ini dapat meningkatkan akurasi dalam percobaan dalam ketiga jenis data, yakni data EKG Aritmia, data pengenalan Aroma dengan 3 campuran, serta data Sleep secara keseluruhan, namun perbedaan nilai akurasi terbesar didapatkan dari pengujian data pengenalan aroma 3 campuran. Pengembangan karakteristik adaptif terhadap algoritma FNGLVQ dilakukan dengan kedua jenis fungsi keanggotaan yakni fungsi keanggotaan segitiga dan fungsi keanggotaan PI, dan FNGLVQ adaptif dengan fungsi keanggotaan PI sedikit lebih baik dibandingkan FNGLVQ adaptif dengan fungsi keanggotaan segitiga.

---

This research has been conducted on the development of FNGLVQ algorithms which have adaptive characteristics to the input data so that the amount of change in the reference vector has a magnitude of adaptive value. Adaptive characteristics are obtained by modifying the update changes the weight by doing a fuzzy membership function derivation. This is not only performed on the parameters of the mean (which is done at the beginning FNGLVQ) but they are derivated to both min and max values so that the amount of change in the weight and is continued with min and max values will vary (not constant as in the case of FNGLVQ) which in turn depends on the amount of inputs used.

These characteristics may increase the accuracy of the experiment in all three types of data, including data Arrhythmia ECG, data recognition Aroma with 3 mix, as well as overall Sleep data, but the biggest difference is the accuracy of values which have obtained from the test for 3 mixed aroma data recognition. Development of adaptive characteristics of the algorithm FNGLVQ has been performed with both types of membership functions namely triangular membership functions and PI membership functions, and FNGLVQ PI adaptive membership functions has been found to be slightly better than FNGLVQ adaptive triangular membership functions."

"Dalam ilmu forensik, gigi merupakan bagian tubuh yang digunakan untuk melakukan pengenalan seseorang ketika bagian tubuh lain telah rusak dan sulit dikenali. Pengenalan gigi dilakukan dengan membandingkan fitur yang ada pada gigi korban dengan fitur-fitur yang ada pada data gigi yang tersimpan. Pengenalan dengan cara tersebut memerlukan waktu yang lama, sehingga pengadaan metode pengenalan otomatis dengan menggunakan mesin sangat dibutuhkan.Saat ini, beberapa metode pengenalan telah dikembangkan untuk mengenali gambar gigi yang berbentuk citra dental radiograph. Sayangnya, beberapa metode yang dikembangkan membutuhkan kualitas citra dental radiograph yang baik, sehingga penggunaannya masih sangat terbatas pada citra dengan kualitas tertentu. Oleh karena itu, peneliti mengajukan sebuah metode pengenalan yang dapat mengenali citra dental radiograph meskipun citra tersebut memiliki kualitas yang kurang baik. Metode yang dikembangkan akan meningkatkan kualitas citra dengan bantuan sistem inferensi fuzzy. Citra yang telah ditingkatkan kualitasnya tersebut kemudian akan dicari bentuknya dan dibandingkan dengan bentuk-bentuk gigi yang ada. Dari perbandingan tersebut akan dibuat peringkat kesamaan bentuk antara sebuah gigi dengan data yang tersimpan. Peringkat tersebut akan berguna untuk membantu seorang ahli forensik dalam mengenali seseorang

---

In forensic science, dental records are used to recognize someone when his/her body has been damaged and difficult to identify. Dental identification is done by matching the entire feature of victim?s dental condition and dental record from the police database. This process needs long time to finish, so procurement of automatic dental recognition method is very required.Today, some automatic recognition methods have been developed to recognize dental record in form of dental radiograph image. Unfortunately, the methods need high quality dental radiograph image, which means it cannot be used to recognize all kind of image. Therefore, the researcher proposed a new method which can recognize all kind of dental radiograph images; even the image is a low quality image. The method proposed using fuzzy inference system to improve the quality of the dental radiograph image, before extract the shape of the dental and compare the extracted shape with some other extracted shape in police database. The methods measure the similarity of the image, and rank it based on the similarity value that help the forensic expert to indentify the victim."

""ABSTRAK"Kanker merupakan penyakit penyebab kematian terbesar kedua di dunia. Menurut prediksi WHO 2015 kasus kematian akibat kanker akan meningkat menjadi 21,6 juta kasus pada tahun 2030. Salah satu usaha untuk mengurangi penyebaran kanker dengan menggunakan machine learning adalah melakukan pendeteksian jenis kanker dengan memanfaatkan microarray data. Pada umumnya, microarray data kanker terdiri dari banyak fitur. Namun, tidak semua fitur yang ada pada data kanker memiliki informasi penting. Oleh karena itu, fitur-fitur tersebut akan diekstraksi menggunakan metode Principal Component Analysis PCA . Kemudian dipilih fitur-fitur yang paling informatif dari data hasil ekstraksi PCA. Fitur-fitur terpilih dari data hasil ekstraksi akan dibentuk dalam data baru. Data sebelum dan data setelah dilakukan pemilihan fitur akan diklasifikasi menggunakan metode Fuzzy Support Vector Machines FSVM . Akurasi dari proses klasifikasi dua tahap tersebut akan dibandingkan. Pendekatan one versus one akan digunakan pada masalah klasifikasi multikelas data kanker leukemia. Dengan pendekatan tersebut akan terbentuk sebanyak k k-1 /2 masalah dua kelas, di mana k menunjukkan jumlah kelas. Hasilnya, tanpa melakukan pemilihan fitur, diperoleh akurasi tertinggi sebesar 87.69 . Setelah dilakukan pemilihan fitur, diperoleh akurasi terbaik dengan menggunakan 60 fitur dengan akurasi sebesar 96,92 .

---

ABSTRACTCancer is the second leading cause of death globally. According to WHO prediction 2015 cases of cancer deaths will increase become 21.6 million cases by 2030. One of the effort to reduce the spread of cancer by using machine learning is to detect the types of cancer. We can use microarray data to detect the types of cancer. In general, microarray cancer data consist of many features. However, not all features in cancer data have important information. Therefore, these features will be extracted by using Principal Component Analysis PCA method. Then, we select the most features who have important information of data extraction. The selected features of extracted data will be formed in the new data. Data, before and after selection will be classified using Fuzzy Support Vector Machines FSVM method. The accuracy of the classification process will be compared. The one versus one approach will be used on multiclass leukemia cancer data. This approach will formed the multiclass problem into k k 1 2 binary class problems, where k denotes the number of classes. The results, without doing feature selection, the highest accuracy is 87.69 . After doing feature selection, the best accuracy is obtained by using 60 features with the accuracy is 96.92 ."

"Peristiwa-peristiwa seperti bencana alam, kecelakaan lalu lintas, dan aksiaksiterorisme selalu meninggalkan tugas berat bagi pihak kepolisian untukmelakukan identifikasi. Hal ini disebabkan, rata-rata korban dari peristiwaperistiwa tersebut memiliki identitas fisik (wajah dan sidik jari ) yang sulit dikenali, sehingga tidak memungkinkan untuk melakukan identifikasi secara biometric. Cara alternatif yang dilakukan pihak kepolisian adalah dengan cara mengidentifikasi korban lewat dental records milik korban yang berbentuk citra radiograph. Identifikasi ini dilakukan dengan mencocokkan citra dental x-ray korban dengan dental record (berbentuk citra dental x-ray) yang ada di arsip pihak kepolisian. Proses ini ditempuh karena rata-rata korban yang ciri fisiknya sudah rusak masih memiliki bentuk rahang dan struktur gigi yang utuh.Tugas akhir ini akan mengembangkan sebuah prototipe sistem yang mampu melakukan identifikasi secara otomatis berdasarkan citra dental x-ray yang dimiliki korban. Informasi dari citra dental x-ray yang biasanya digunakan sebagai ciri antara lain, properti dari gigi (ada/tidaknya gigi, morfologi dari akar dan mahkota gigi, restorasi gigi), ciri jaringan periodontal dan ciri-ciri anatomis. Dalam penelitian ini ciri yang digunakan dibatasi hanya pada ciri anatomis saja yaitu bentuk lengkung rahang dan bentuk lengkung dagu. Perangkat lunak yang dicoba dikembangkan menggunakan metode quadratic regression dan centroid distance untuk membentuk deskriptor dari citra rahang, dan memanfaatkan least square loss function dan fuzzy similarity untuk mencari derajat kemiripan.Sistem yang dikembangkan pada tugas akhir ini mampu memberikan keakuratan dalam proses pencarian sebesar 52.72 % untuk metode quadratic regression- least square loss function dan 70.91 % untuk metode centroid distance- fuzzy similarity. Sistem yang dikembangakan mampu membantu pihak kepolisian untuk meningkatkan kinerjanya dalam melakukan proses identifkasi."

"Latar belakang penelitian ini adalah kebutuhan penerapan pengenalan wajah dalam berbagai aplikasi dunia nyata. Pengenalan wajah dapat dilakukan dengan beberapa pendekatan, salah satunya adalah pendekatan dengan jaringan syaraf tiruan. Salah satu algoritma yang dikenal dan digunakan adalah Fuzzy Neuro Learning Vector Quantization (FNLVQ). Pernyataan masalah yang muncul adalah tingkat pengenalan FNLVQ konvensional yang masih bisa ditingkatkan dan kebutuhan akan jaringan yang mampu membaca citra yang mengandung noise. Tujuan riset ini adalah untuk memperlajari karakteristik algoritma FNLVQ melalui eksperimen dan pengujian terhadap citra asli dan citra dengan noise, pengembangan algoritma FNLVQ berbasiskan dimensi dalam rangka meningkatkan tingkat pengenalan serta mengujinya dengan citra asli dan citra dengan noise, serta perbandingan performa antara keduanya. Ada 2 kriteria pengukuran hasil, yaitu tingkat identifikasi dan klasifikasi. Tingkat identifikasi kemampuan jaringan untuk mengidentifikasi citra sebagai kelas yang sesuai sedangkan tingkat klasifikasi adalah kemampuan jaringan untuk memisahkan antara citra yang teregistrasi dan tidak teregistrasi. Tingkat identifikasi algoritma berbasiskan vektor konvensional adalah 30% dan meningkat hingga 85% dengan algoritma berbasiskan dimensi. Dalam hal tingkat klasifikasi, algoritma konvensional cenderung tidak mampu mengenali data tidak teregistrasi, sedangkan algoritma berbasiskan dimensi mampu memisahkan data teregistrasi dan tidak teregistrasi dengan baik. Untuk citra dengan noise, kedua algoritma mengalami penurunan pengenalan. Tingkat identifikasi algoritma berbasiskan dimensi masih tidak lebih baik daripada algoritma konvensional berbasiskan vektor untuk beberapa jenis noise, tetapi tingkat klasifikasi yang dicapai lebih baik antara pengenalan data teregistrasi dan tidak teregistrasi.The background of this research was the need to apply face recognition in many applications in real life. Face recognition can be done using a number of approaches, one of them is by using artificial neural networks. A known algorithm used to train a neural network is the Fuzzy Neuro Learning Vector Quantization (FNLVQ). The research questions emerging from this background were the issue of the FNLVQ recognition rate that can still be increased and the need to create a network that is robust to noise. The research objectives were to study of the characteristics of the FNLVQ algorithm using experiments and testing it with both pure and noisy images, in attempt to increase the recognition rate the dimension-based approach to the FNLVQ learning algorithm was developed and tested with both pure and noisy images, and finally the two algorithms were then compared and analyzed. There were 2 criterions of measurement, the identification rate and classification rate. The identification rate is the ability of the algorithm to identify each image as the right person, and the classification rate is the ability of the algorithm to classify an image as a registered or unregistered person. The identification rate was around 30% with the conventional vector based algorithm, and could be increased to 85% with the dimension based algorithm. For the classification rate, with the conventional algorithm the unregistered data could not be recognized and with the new dimension-based approach, the unregistered and registered data could be differetiated. As for the noisy images, both algorithms experienced a decreased recognition rate. The identification rate of the dimension based algorithm still did not exceed the recognition rate of the vector based algorithm for most noises, but the classification rate was more stable between both registered and unregistered clusters."

"ABSTRAKSistem penciuman elektronik terdiri dari 3 bagian yaitu sistem sensor yang merubah besaran aroma menjadi besaran listrik, sistem elektronik yang mengukur besar perubahan frekuensi sensor dan sistem jaringan neural buatan yang melakukan pengenalan aroma. Peningkatan kemampuan pengenalan aroma yang cepat, tepat dan akurat pada sistem neural buatan sangat diperlukan oleh sistem penciuman elektronik ini, untuk itu perlu dikembangkan metode fuzzy learning vector quantization. Metode FLVQ merupakan metode jaringan neural buatan berbasis pada vector quantization yang mengintegrasikan teuri fuzzy dalam proses pembelajarannya dan mempunyai algoritma yang sederhana tetapi berkemampuan tinggi dalam pengenalan aroma. Pengembangan fuzzy learning vector quantization berfokus pada proses pembelajarannya terutama pada cara merubah fuzziness vektor pewakil. Berdasarkan cara perubahan fuzzinessnya ada tiga variasi FLVQ yang dinamakan FLVQ konstan, yaitu merubah lebar fuzziness vektor pewakil dengan besaran yang konstan; FLVQ variabel, yaitu merubah lebar fuzziness vektor pewakil berdasarkan nilai similaritas; dan FLVQ tunggal, yaitu merubah lebar fuzziness vektor pewakil hanya pada salah satu bagian sisinya. Hasil Penelitian dengan sampel aroma produk marta tilaar dan aroma etanol menunjukkan bahwa jaringan neural buatan FLVQ mempunyai kemampuan pengenalan yang lebih baik bila dibandingkan dengan propagasi balik."

"Penulisan skripsi yang dikerjakan penulis merupakan usulan konsep perbaikan sistem pengadaan material pada PT. X.Sesuai dengan judul skripsi yang berjudul : ?Usulan konsep penyediaan material dengan menggunakan SAP RB?, maka penulis berupaya memberikan sumbangan pemikiran yang berupa usulan hasil analisa maupun buah pemikiran dari penulis.Proses penulisan skripsi yang dilakukan oleh penulis mencakup studi terhadap PT.X sendiri, yang mana dalam study tersebut dilalcukan dengan studi literatur yang dalam hal ini termasuk study terhadap laporan, kertas kerja, dll, maupun study lapangan yang dalam hal ini termasuk wawancara, maupun terjun ke lapangan (ikut melihat sistem secara langsung).Setelah dilakukan study terhadap PT. X sendiri maka penulis berupaya rnengadakan analisa analisa terhadap permasalahan yang melingkupi sistem yang ada tersebut.Sesuai dengan judul skripsi yang mengetengahkan SAP R/3 sebagai alat bantu, maka penulis setelah rnengadakan analisa sistem lalu berupaya mengadakan pembedahan terhadap SAP R/3, yang kebetulan pada saat itu juga penulis termasuk sebagai tenaga pernbantu dalam proyek penerapan SAP R/3 pada PT. X.Berdasarkan analisa perrnasalahan permasalahan yang telah dilalcukan dan pernbedahan terhadap SAP R/3 maka penulis berupaya memberikan solusi yang terbaik bagi permasalah permasalah sistem pengadaan material pada PT. X.

---

"