Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem pengenalan Tulisan Tangan secara garis besar terbagi atas 2 kategori, yaitu on-line system dan off-line system. Pada on-line system, tulisan dihasilkan oleh suatu perangkat elektronik seperti pada layar PDA (touch screen), sedang off-line system menggunakan citra dari tulisan tangan yang diambil melalui kamera atau scanner.Pada tesis ini akan dibahas yang menggunakan off-line system, dimana citra tulisan diambil melalui scanner, kemudian diolah agar menghasilkan citra hitam putih tulisan tangan yang siap dimasukkan dalam proses pengenalan. Metode yang digunakan adalah pendekatan Analitis dengan Segmentasi secara eksplisit, dimana proses pengenalan tulisan dilakukan dengan cara memecah citra tulisan ke dalam segment, kemudian mencoba melakukanpengenalan terhadap segment tersebut. Metode ini mempunyai keunggulan bahwa dalam tahap pengenalan terhadap segment dapat menggunakan teknik Pengenalan Karakter (Optical Character Recognition) yang sudah ada, namun sistem ini mempunyai kelemahan bahwa ia tidak dapat mengambil informasi dari hubungan antar karakter. Pengenalan Character dilakukan melalui tahapan pemrosesan citra seperti Region Of Interest(ROI), binaryzation, dan thinning, kemudian dilakukan ekstraksi fitur dengan metode zoning untuk selanjutnya dimasukkan ke dalam JST Fuzzy ARTMAP. Fuzzy ARTMAP dipilih karena memiliki keunggulan dalam hal Incremental Learning. Hasil dari proses ini akan menghasilkan karakter dari kata yang dikenali."

"Jumlah produksi kartu perdana untuk pelanggan Telkom Flexi menunjukkan trend meningkat mengikuti kenaikan jumlah pelanggan dari periode satu ke periode berikutnya. Namun perusahaan juga dihadapkan dengan adanya keterbatasan sumber daya yang yang dimiliki seperti keterbatasan kapasitas BTS dan sumber daya penomoran dan ketersediaan budget. Kondisi ini memperlihatkan bahwa diperlukan suatu metode perencanaan produksi yang tepat untuk mengoptimalkan ketersediaan dan pemakaian sumber daya sehingga dihasilkan jumlah produksi yang optimal. Metode fuzzy linear programming (FLP) dapat digunakan untuk solusi optimasi perencanaan produksi. Penerapan metode fuzzy linear programming dilakukan berdasarkan pertimbangan diperlukan adanya suatu batasan nilai terhadap jumlah produksi dengan ketersediaan sumber daya yang ada, sehingga diperoleh jumlah produksi yang optimal. Tesis ini akan menganalisa perencanaan produksi kartu perdana Flexi dengan menggunakan metode fuzzy linear programming.

---

Total production of starter pack for customers Telkom Flexi showed an increasing trend followed the increase in the number of subscribers from period to period. But the company also faces resource constraints or other factors such as the capacity of BTS, numbering resources and budget availability. This condition shows that we need a proper method of production planning to optimize the availability and use of resources or other factors so that the resulting optimal amount of production output.

The method of fuzzy linear programming (FLP) can be used for production planning optimization solutions. Application of fuzzy linear programming method based on the considerations necessary to have a limit value of total production with the availability of existing resources, to obtain the optimal amount of production. This tesis will analyze the production planning of Flexi starter pack using fuzzy linear programming method."

"Pengolahan citra telah mengalami banyak perkembangan dan semakin umum diaplikasikan. Salah satu pengaplikasiannya rekognisi wajah tiga dimensi, yang juga melibatkan estimasi pose wajah. Salah satu metode rekognisi citra, yaitu jaringan saraf konvolusi, berpotensi menjadi dasar dari sistem estimasi pose wajah. Operasi konvolusi diharapkan mampu meminimalisir pengaruh distorsi dan disorientasi objek, serta mampu mengefisiensikan parameter yang dibutuhkan. Namun, permasalahan noise atau derau belum secara eksplisit terselesaikan oleh jaringan saraf tiruan konvolusi. Penelitian ini bertujuan memasukkan fitur sistem fuzzy yang efektif mengelola data samar ke dalam jaringan saraf tiruan konvolusi yang diaplikasikan untuk estimasi pose wajah. Perancangan dimulai dari menjabarkan fungsi masing-masing lapisan jaringan saraf tiruan, menjabarkan operasi-operasi aritmatika pada bilangan fuzzy, dan mencoba menggantikan neuron crisp pada jaringan saraf tiruan konvolusi umum menjadi neuron fuzzy, dan mengaplikasikannya untuk mengestimasi pose wajah. Sistem yang sudah dibangun kemudian diujicoba pada dataset yang dimiliki Departemen Teknik Elektro UI dan dibandingkan dengan CNN-crisp yang memiliki arsitektur serupa dengan parameter pembelajaran yang sama. Hasil didapat menunjukkan sistem konvolusi fuzzy mencapai nilai kesalahan estimasi pose lebih rendah dari konvolusi crisp pada data berderau tanpa merubah hasil estimasi pada data tidak berderau.

---

Image processing has undergone many developments and is increasingly commonly applied. From limited two-dimensional recogniton, facial recognition has now being developed to be able to recognise three-dimensional features. This ability involves process of face pose estimation. One method of image recognition, the convolution neural network, has the potential to become the basis of the face pose estimation system. Convolution operation is expected to minimize the effect of distortion and disorientation of the object, and able to efficiently reduce the required parameters. However, the image noise problem has not been explicitly resolved by convolution neural networks.

This study aims to include features of a fuzzy system that effectively manages fuzzy data into convolutional neural networks applied to head pose estimation. The design begins with describing the function of each layer of artificial neural networks, describing arithmetic operations on fuzzy numbers, and attempting to replace crisp neurons in convolution layer of convolutional neural into fuzzy neurons, and applying them to estimate head poses. The estimator system is then tested on a dataset owned by the Department of Electrical Engineering UI and compared with CNN-crisp that has a similar architecture with the same learning parameters.

The results show that the fuzzy convolution system reaches less error of pose estimation value compared to the crisp convolution system, without changing the estimation value of image without noises."

"This book aims to be a comprehensive and accurate survey of state-of-art research on intuitionistic fuzzy sets theory and could be considered a continuation and extension of the authorś previous book. The research activity of the author within the area of intuitionistic fuzzy sets has been expanding into many directions. The results of the authorś most recent work covering the past 12 years as well as the newest general ideas and open problems in this field have been therefore collected in this new book. "