Hasil Pencarian  ::  Simpan CSV :: Kembali

"The capabilities of artificial neural network (ANN) : generalization, adaptive, and tolerant became a basis in choosing the pattern recognition methods of Javanese charahters...."

"Spam merupakan istilah umum untuk menyebut email komersial maupun non komersial yang tidak diinginkan. Contoh dari email spam adalah antara lain email promosi produk, iklan program investasi, virus, spyware, dan lain-lain. Kehadiran email spam ini selain membuang waktu user untuk membaca dan menghapusnya, juga mengakibatkan melonjaknya pemakaian network bandwidth secara signifikan. Apabila hal ini dibiarkan terus menerus, akan mengakibatkan kerugian yang besar baik bagi user sebagai individu maupun bagi perusahaan yang notabene memerlukan kinerja jaringan yang optimal.Metode yang penulis terapkan untuk menyelesaikan masalah email spam ini adalah penggunaan Jaringan Saraf Tiruan (JST) untuk mengklasifikasikan email tersebut. Penulis memilih JST dikarenakan kemampuannya dalam melakukan generalisasi terhadap suatu problem yang belum pernah muncul sebelumnya. Sehingga diharapkan metode ini dapat mengantisipasi karakteristik email spam yang selalu berubah dari waktu ke waktu. Sebelum melakukan proses klasifikasi dengan JST, dilakukan ekstraksi fitur / ciri dari data email yang ada. Proses ekstraksi dilakukan pada bagian body maupun header dari email. Hal ini dimaksudkan untuk meningkatkan performa dari teknik yang kami kembangkan. Fitur-fitur tersebut kemudian dibobotkan dengan teknik tfc weighting dan menjadi data masukan bagi NN.Hasil dari penelitian ini menunjukkan bahwa JST mampu bekerja dengan baik dalam klasifikasi email, terbukti dengan tingkat kesalahan yang rendah (1.85%). Selain itu, disimpulkan pula besaran faktor-faktor yang mempengaruhi kinerja email filter, yaitu ukuran feature set, jumlah neuron pada hidden layer JST serta nilai Mean-squared Error (MSE)."

"Hingga saat ini penyebab timbulnya kanker payudara, jenis kanker yang paling banyak ditemui pada kaum wanita, belum diketahui secara pasti sehingga pendeteksian kanker pada stadium dini sangat menentukan tingkat kesembuhan penderita karena perawatan akan dapat dilakukan sebelum sel kanker menyebar ke bagian tubuh lain. Meskipun mamografi (mammography), yang sering dikenal dengan istilah rontgen dikalangan awam, masih merupakan metode yang paling ekonomis dan efektif pada pendeteksian awal kanker payudara, sejumlah massa lesion (perubahan abnormal jaringan akibat pertumbuhan sel kanker) pada mamogram kerapkali luput dari perhatian para ahli radiologi. Untuk memperbaiki keadaan tersebut, berbagai prosedur diagnosis dengan bantuan komputer (computer aided diagnosis, CAD) yang diharapkan mampu memberikan pandangan kedua (second opinion) secara konsisten pada para ahli telah dikembangkan, antara lain dengan mengutilisasikan jaringan saraf tiruan (artificial neural networks).Pada kesempatan ini suatu metode pendeteksian massa lesion pada mamogram yang memanfaatkan jaringan saraf propagasi balik (backpropagation neural networks. BPNN) dengan feed forward akan diselidiki. Proses simulasi dilaksanakan dengan menggunakan 50 gambar sampel yang masing-masing berukuran 8 x 8 piksel sebagai masukan (input). Setelah dilewatkan pada feed forward BPNN yang mempunyai tiga lapisan (layer) dengan saw neuron pada lapisan pertama, tiga neuron pada lapisan kedua, dan satu neuron pada lapisan keluaran (output layer), jaringan kemudian dilatih sebanyak 100 dan 150 kali (training epoch) untuk mencapai target yang diinginkan. Tiga metode deteksi herdasarkan nilai rata-rata (mean), nilai tengah (median), dan nilai maksimum yang telah diujicobakan pada keluaran feed-forward BPNN memberikan tingkat akurasi antara 60-100%, suatu prospek yang menjanjikan guna meningkatkan kualitas diagnosis mamogram."

"ABSTRAKAlgoritma pembelajaran jaringan saraf tiruan dewasa ini semakin beragam.Masing-masing algoritma memiliki kelebihan dan kekurangan dan menjadi halyang menarik untuk dipelajari. Pada penelitian ini akan dibahas mengenaialgoritma pembelajaran metode Levenberg-Marquardt yang akan digunakanuntuk jaringan saraf tunggal dan Ensemble Neural Network. Hasil percobaanmenunjukan bahwa metode Levenberg-Marquardt memiliki keunggulan dalamkecepatan dan kestabilan.

---

ABSTRACTNeural network learning algorithm is more diverse today. Each algorithm hasadvantages and disadvantages, and those are interesting thing to learn. Thisresearch will be discussed on the learning algorithm Levenberg-Marquardtmethod to be used for a single neural network and Ensemble Neural Network.Results of this research shows Levenberg-Marquardt learning algorithm has agood speed and stability."