Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem sensor robot selalu didukung oleh sebuah sistem komputer yang dikenal sebagai 'visi komputer'. Konsep penting dlm visi komputer adalah klasifikasi objek. Dalam kajian ini dua buah algoritma untuk klasifikasi objek akan dibandingakan. Pertama adalah metode sederhana yang tidak memerlukan komputasi komplek yang dianggap sbg metode informal disebut sebagai metode pohon keputusan biner. Metode ini bertumpu pada ciri deskriptor yg sederhana dari suatu objek seperti garis vertikal, garis horisontal atau elip. Sayangnya metode ini memeiliki kelemahan dlm mengenali objek yg terkontaminasi oleh derau. Metode yg kedua adalah metode yg lebih formal dengan deskriptor yg bervariasi tinggi. Dlm konteks ini pnedekatan statistik multivariat dengan metode yg disebut analisis diskriminan diajukan sbg alternatif utk klasifikasi objek. Metode ini dijalankan dengan menghitung suatu fungsi yg disebut fungsi diskriminan fisher yang dapat digunakan untuk memishkan objek. Dari simulasi data dan analisis untuk klasifikasi dua objek yaitu skrup dan baut, dan klasifikasi tiga objek yaitu huruf T, O dan S dapat ditunjukkan bahwa analisis diskriminan dapat mengklasifikasi objek dengan lebih baik dari pada metode pohon keputusan biner. Kelebihan ditunjukkan terutama pada objek yang mengalami derau."

"Dengan adanya keinginan merancang alat deteksi DD dengan sensor optik, maka dilakukan penelitian pengukuran absorbansi darah penderita DD, non DD dan orang sehat dengan Spektrofotometer UV-Vis. Pola-pola absorbansi yang diperoleh dikenali dengan menggunakan jaringan saraf tiruan dengan metode LVQ, SOM dan algoritma PCA. Hasil penelitian dengan menggunakan rentang panjang gelombang antara 400-600 nm dengan 21 data input memperlihatkan pola-pola yang sangat berbeda antara DD, non DD dan orang sehat dibandingkan dengan panjang gelombang 190-400 dan 400-1100 nm. Dengan algoritma PCA 10 dimensi dan LVQ mampu mengenali pola absorbansi darah penderdan DD, non DD dan orang sehat sebesar 73 %. Sedangkan PCA 20 maupun 10 dimensi dan SOM mampu mengenali pola-pola tersebut sebesar 47 %. ......The willing existence to design device for detection DF with optics sensor so has done this research by measure absorbance using spectrophotometer of DF, non DF and health person with spectrophotometer UV-vis. These patterns are recognized by using artificial neural network with LVQ, SOM and algorithm Principal PCA. This research done using wavelength range between 400-600 nm with 21 datas input show patterns very differ between DF, non DF and health person compared to wavelength 190-400 and 400-1100 nm. Using algorithm PCA with 10 dimensions and LVQ can recognize blood absorbance pattern DF, non DF and health person as big as 73 %, while PCA with 20 also 10 dimensions and SOM can recognize patterns as big as 47 %."