Hasil Pencarian  ::  Simpan CSV :: Kembali

"Fish schooling yaitu pergerakan sekelompok ikan tertentu dengan pola, arah (polarisasi), irama dan struktur yang sama untuk setiap individu serta bersifat unik untuk setiap ikan. Fish shooling dapat dijadikan dasar untuk pembuatan sistem identifikasi ikan dengan dengan menggunakan metode jaringan syaraf tiruan. Proses ini dilakukan dengan menerapkan Pengolahan citra pada citra tampilan echogram fish finder yang didapat dari database hasil observasi Balai Penelitian Departemen Kelautan dan Perikanan di laut Jawa pada bulan Desember 2005. Citra fish schooling dari fish finder tersebut diubah menjadi matriks melalui proses sampling dan graylevel quantization, kemudian dileveling pada range nilai tertentu. Citra hasil leveling tersebut akan diambil beberapa potongan bagiannya sebagai sampel untuk dicari nilai parameter karakteristiknya, yaitu nilai rata-rata dari matriks sampel tersebut. Nilai rata-rata tersebut selanjutnya akan dijadikan input bagi proses training jaringan syaraf tiruan untuk membuat sistem identifikasi jenis ikan. pola rata-rata matriks sampel yang digunakan pada proses training tersebut menjadi dasar proses identifikasi jenis ikan oleh jaringan syaraf tiruan. Sistem ini mampu mengenali jenis ikan dengan tingkat akurasi sebesar 88%."

"Skripsi ini dibuat untuk merancang perangkat lunak yang dapat mengidentifikasi plat nomor mobil melalui proses image processing dengan ekstraksi fitur skeletonisasi menggunakan metode pengenalan Neural Network.Selama ini pencatatan plat nomor setiap mobil yang memasuki area parkir secara umum masih dilakukan secara manual oleh manusia, namun saat ini mulai muncul suatu sistem baru sehingga identifikasi plat nomor dapat dilakukan secara otomatis. Skripsi ini bertujuan untuk menganalisa pengenalan plat nomor mobil dalam bentuk Image dengan mengekstrak fitur/karakter pada plat dengan proses skeletonisasi menggunakan metode pembelajaran Neural Network (jaringan syaraf tiruan) yang selanjutnya akan dihasilkan output dalam bentuk tulisan karakter yang terdapat dalam plat nomor tersebut. Proses pengenalan ini dilakukan dengan memasukkan citra/image ke dalam pemrogaman MatLabTM dan proses ini dilakukan dalam 2 tahap, yaitu: pembentukan basis data untuk training serta proses recognition/identifikasi.Pada proses pembuatan basis data, gambar akan dibagi-bagi per karakter terlebih dahulu agar lebih memudahkan proses. Setiap karakter tersebut kemudian diekstrak dengan proses skeletonisasi sehingga dihasilkan skeleton/kerangka dari setiap karakter tersebut. Selanjutnya dilakukan proses training terhadap jaringan syaraf tiruan dengan memasukkan nilai-nilai piksel skeleton yang dihasilkan dari proses skeletonisasi untuk mendapatkan nilai bobot yang tepat. Nilai bobot ini kemudian akan disimpan untuk dapat digunakan pada proses selanjutnya yaitu proses recognition plat nomor. Proses recognition plat nomor yang dilakukan menggunakan metode pembelajaran ini mencapai tingkat akurasi sebesar 80%.

---

This final assignment is made to design a program that could be used to identify cars’ licensed plates through image processing with skeletonization feature extraction using Neural Network recognition method.Up to these days, licensed plate identification to every car entering the parking area is still commonly run by humanbeing, but nowadays there comes a new system that enables the identification to be run automatically. The aim of this final assignment is to analyse this automatic process in the image format by extracting features/characters using skeletonization and also applying Neural Network learning method to produce output consisting of the characters as mentioned on the plate. This identification is run by inserting an image into the MatLabTM program which is run in 2 stages comprises the making of training database and the recognition/identification itself.In making the database, the image is divided into characters to make the next process easier. Each of these characters is then extracted with skeletonization to produce the skeleton and then continued by training the Neural Network by inserting the values of the skeletons in order to produce the right weights. The weights themselves are furthermore saved to be used in the identification/recognition. The recognition using Neural Network run in this final assignment yields the percentage of accuracy up to 80%."

"Tesis ini akan membahas karakterisasi absorbansi darah pada rentang 190 sampai dengan 1100 nm per 10 nm pada pasien demam dengue dengan menggunakan spektrofotometer UV-Vis. Data numerik yang diperoleh kemudian dilakukan pengenalan pola karakteristiknya menggunakan kecerdasan buatan. Hasil yang diperoleh menggambarkan karakteristik yang berbeda antara rentang 190 s/d 380 dan 610 s/d 1100 nm dengan 400 s/d 600 nm. Data numerik absorbansi 400 s/d 600 nm diproses dengan metoda self organizing maps menunjukan kestabilan hasil walaupun tingkat pengenalannya masih rendah.

---

This thesis is describing characterization of blood absorbance in range of 190 through 1100 nm per 10 nm of dengue fever patient using UV-Vis spectrophotometer. Collected numerical data is processed by pattern recognition using artificial intelligence. Result shown that characteristics between 190-380 nm and 610?1100 nm differ from 400 nm?600 nm. 400 - 600 nm absorbance numerical data processed using self organizing maps showing output of recognition stability, even degree of recognition was still low."

"Teknologi pengenalan suara saat ini telah mengalami perkembangan terutama dalam hal speech processing. Speech processing merupakan suatu cara untuk mengekstrak informasi yang diinginkan dari sebuah sinyal suara. Penelitian ini membahas sistem klasifikasi suara manusia male dan female."

"Saat ini pemeriksaan kualitas beras telah dilakukan secara manual oleh inspektur yang telah berpengalaman. Dengan cara ini memiliki kelemahan seperti: (1) adanya subjektivitas penilaian mutu antara pengamat yang satu dengan yang lain; (2) adanya kelelahan fisik jika pengamat bekerja terlalu lama, sehingga menyebabkan hasil pengamatan tidak konsisten, dan (3) waktu yang dibutuhkan untuk pengamatan mutu lebih lama. Sehubungan dengan permasalahan diatas, maka diperlukan cara untuk menentukan klasifikasi mutu beras dengan cepat, akurat dan mudah untuk dioperasikan, sehingga dapat meningkatkan efisiensi pengkelasan mutu fisik beras. Penelitian ini bertujuan untuk membuat sistem penunjang keputusan untuk menentukan klasifikasi mutu beras. Bahan baku yang digunakan adalah beras dari varietas Membramo. Citra beras diambil dengan menggunakan kamera digital dan diproses oleh teknologi pengolahan citra digital dan jaringan syaraf tiruan (JST). Model JST yang dikembangkan adalah 10 parameter input, 20 lapisan tersembunyi dan 4 target. Keempat target tersebut adalah butir utuh, butir kepala, butir patah dan menir. Hasil penelitian menunjukkan bahwa akurasi pelatihan adalah 99%, dan akurasi validasi 93,25%. Penelitian ini dapat dikembangkan untuk varietas padi yang berbeda, sehingga sistem penunjang keputusan dapat diterapkan tidak hanya untuk varietas Membramo, tetapi juga untuk berbagai jenis beras dari varietas yang berbeda. Aplikasi dari penelitian ini berupa perangkat lunak sistem penunjang keputusan yang secara langsung dapat digunakan untuk menguji kelas mutu beras Membramo."