Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Tesis ini membahas estimasi trispektrum yang digunakan 'untuk pengembangan sistem pengenal suara. Estimasi trispektrum dipakai untuk mendapatkan karakteristik suara berdasarkan analisis spektrum orde 3 (quadruple correlation) dari magnitudo dan rase sinyal suara. Dalam proses ekstraksi ciri dari data trispektrum digunakan teknik optimasi kuantisasi skalar, yaitu dengan mengelompokkan data magnitudo dan fase berdasarkan pembagian ruang estimasi dengan sejumlah pola berdasarkan ciri-ciri data trispektrum. Data magnitudo dan fase pewakil dari masing-masing kelompok (kluster) menjadi masukan sel syaraf di lapis masukan dari JST PB. Spesiflkasi JST PB sebagai pengklasifikasi suara adalah : jumlah sel syaraf (neuron) di lapis masukan sebanyak 18, di lapis tersembunyi sebanyak 5, dan di lapis keluaran sebanyak 10.

Dari beberapa hasil yang diperoleh terlihat bahwa trispektrum mempunyai daya pisah (separabilitas pola) yang cukup baik, tetapi penggunaan estimasi trispektrum ini dihadapkan pada masalah optimasi kuantisasi dan optimasi jaringan pengidasifikasi yang cukup kompleks. Hal ini disebabkan oleh bertambahnya dimensi data trispektrum, clan 1-D (2-D) pada power spektrum (bispektrum) menjadi 3-D, yang berarti terjadi "the curse of dimensionality".

Sistem pengenal suara ini diimplementasikan dengan Bahasa C pada komputer Sun SPARC station 4, dengan sistem operasi UNIX (Solaris) dan memory 32 MR Jumlah data suara yang akan dikenali berasal dari 10 orang yang berlainan, masing-masing sebanyak 20 sampel. Proses pembelajarannya menggunakan algoritma propagasi balik jack-larife-training terhadap sinyal tanpa noise, sedangkan proses pengenalannya menggunakan sinyal dengan SNR co , SNR = 20, SNR = 10, dan SNR = O. Hasil eksperimen menunjukkan bahwa penggunaan estimasi trispektrum pada sistem pengenal suara tahan terhadap noise Gaussian aditip hingga tingkat SNR41.

Abstrak :
Wajah merupakan salah satu bagian dari manusia yang bersifat unik. Namun demikian wajah memiliki sifat fleksibel. Secara psikologi, wajah manusia memiliki enam konfigurasi dasar : netral, gembira, sedih, marah, senyum, dan kaget. Seseorang dapat saja dikenali berdasarkan konfigurasi dasar dari wajah karena keunikannya. Dalam penelitian ini dirancang suatu sistem pengenalan wajah melalui jaringan neural buatan berbasis eigenfaces. Eigenfaces merupakan salah satu metode ekstraksi ciri dari wajah yang dapat dilakukan dengan Cara kroping holistik atau parsial. Ekstraksi ciri holistik merupakan cara pengambilan ciri wajah dengan suatu kroping yang meliputi seluruh komponen utama wajah, sedangkan ekstraksi ciri parsial merupakan cara pengambilan ciri wajah dengan kroping pada setiap komponen utama wajah. Komponen utama wajah dalam hal meliputi hidung, mata kanan, mata kiri, dan mulut. Melalui metode eigenfaces sebagai pra-prosesing, dapat diperoleh ciri wajah sebagai masukan bagi jaringan neural buatan. Sistem jaringan neural yang digunakan adalah jaringan perseptron lapis jamak dengan pembelajaran propagasi balik murni, dan gabungan swa-organisasi dan propagasi balik (hibrid). Penggunaan dua model pembelajaran ini dimaksudkan untuk membandingkan tingkat pengenalan diantaranya. Dengan melakukan perubahan metode dan pemilihan parameter tertentu seperti metode inisialisasi bobot dan bias, fungsi error, momentum, laju pembelajaran, dan jumlah neuron lapis tersembunyi, standar propagasi balik dapat ditingkatkan kemampuannya. Pembelajaran dengan jaringan hibrid meningkatkan kinerja jaringan, baik konvergensi maupun generalisasi dibanding propagasi batik murni. Namun demikian, untuk menggunakan jaringan hibrid, perlu pemilihan beberapa nilai parameter seselektif mungkin yaitu pemilihan nilai ambang, penyearah, laju pembelajaran, dan momentum. Hasil uji coba dengan kedua model pembelajaran menunjukkan bahwa eigenfaces merupakan cara yang cukup representatif untuk ekstaksi dan reduksi ciri pola wajah. Dengan mengambil eigenfaces yang besesuaian dengan nilai eigen 0.1, dengan perbandingan pola training dan testing 50% : 50%, sistem mampu mengenali sekumpulan wajah hingga di atas 90%, dan pengenalan dapat ditingkatkan lagi dengan memperbesar perbandingan poly training/testing. ...... The face is one of the unique parts of a human being. However, the face has a flexible nature. Psychologically, the human face has six basic configurations: neutral, happy, sad, angry, smiling, and surprised. A person can be recognized based on the basic configuration of the face because of its uniqueness. In this study, a facial recognition system was designed through an artificial neural network based on eigenfaces. Eigenfaces is one of the methods of extracting facial features that can be done by holistic or partial cropping. Holistic feature extraction is a method of taking facial features with a cropping that includes all the main components of the face, while partial feature extraction is a method of taking facial features with cropping on each main component of the face. The main components of the face in terms of nose, right eye, left eye, and mouth. Through the eigenfaces method as pre-processing, facial features can be obtained as input for the artificial neural network. The neural network system used is a multi-layer perceptron network with pure backpropagation learning, and a combination of self-organization and backpropagation (hybrid). The use of these two learning models is intended to compare the level of recognition between them. By changing the method and selecting certain parameters such as the weight and bias initialization method, error function, momentum, learning rate, and the number of hidden layer neurons, the standard backpropagation can be improved. Learning with a hybrid network improves network performance, both convergence and generalization compared to pure batik propagation. However, to use a hybrid network, it is necessary to select several parameter values ​​as selectively as possible, namely the selection of threshold values, rectifiers, learning rates, and momentum. The results of the trial with both learning models show that eigenfaces are a fairly representative way for the extraction and reduction of facial pattern features. By taking eigenfaces that correspond to an eigenvalue of 0.1, with a training and testing pattern ratio of 50%: 50%, the system is able to recognize a group of faces up to above 90%, and recognition can be improved again by increasing the poly training/testing ratio.

Abstrak :
ABSTRAK
Sistem 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.

Abstrak :
Penentuan lokasi sumber kebocoran gas ataupun masalah pelacakan dalam penyelundupan obat bius sangat penting untuk dapat dilakukan dengan cepat dan tepat. Hingga scat ini pelacakaan sumber gas secara elektronik masih jarang dilakukan penelitian, hal ini disebabkan belum berkembangnya sistem sensor gas. Makalah ini membahas pembuatan sistem penentuan dan pelacakan sumber gas dengan menggunakan 3 buah sensor semikonduktor model TGS-822 yang dikontrol oleh komputer dan gerakan pelacakan secara manual. Mekanisme respon dari sensor gas bahan semikonduktor ini didasarkan pada teradsorbsi oksigen yang berada pada lingkungan gas sehingga terjadi penurunan konsentrasi elektron bebas pada bahan semikonduktor dan konduktivitas sensor menjadi lebih rendah. Hal ini berkaitan langsung dengan konsentrasi gas yang terdeteksi. Sistem ini telah diuji secara elektronik dan telah digunakan dalam uji coba melacak sumber gas dari alkohol. Hasil uji coba sistem ini meliputi: kestabilan sistem sensor dalam mendeteksi gas, karakteristik sistem sensor, kalibrasi sensor, pola medan gas dalam terowongan angin, sistem pelacakan sumber gas.

Abstrak :
Masalah yang biasa terjadi dalam pembuatan sistem pengenalan wajah adalah jumlah dimensi yang terlalu besar untuk diproses ke dalam classifier, sehingga biaya komputasi yang dibutuhkanpun akan semakin besar pula. Penelitian berikut mencoba untuk mereduksi dimensi dalam ruang spatial akan tetapi dari hasil reduksi dimensi ini tidak membuat proses ekstraksi fitur kehilangan informasi penting yang mengakibatkan penurunan akurasi pengenalan. Reduksi dimensi dalam ruang spatial ini didapatkan dengan cara membangkitkan sejumlah garis pada data citra secara acak. Ada dua metode dalam membangkitan garis yaitu Fitur Garis Acak (FGA) dan Template Fitur Garis Acak (TFGA). Pada FGA, sejumlah garis dibangkitkan pada seluruh data citra secara acak. Sedangkan TFGA, sejumlah garis dibangkitkan hanya satu kali saja dan himpunan garis ini yang akan digunakan untuk membangkitkan garis pada data citra yang lain. Dari masing-masing garis ini dibangkitkan sejumlah spatial window. Vektor representasi citra didapatkan dari rata-rata intensitas yang terdapat pada spatial window tersebut. Vektor representasi citra ini akan dijadikan fitur untuk classifier. Classifier yang digunakan adalah k-nearest neighborhod dan backpropagation sebagai pembanding. Dari hasil percobaan menggunakan database weizmann, didapatkan bahwa pengenalan akan lebih stabil jika metode untuk membangkitkan garis adalah TFGA. Selain stabil dengan metode TFGA ini akurasi pengenalan lebih baik dibandingkan dengan metode FGA pada jumlah garis yang sama. Pada jumlah garis yang terkecil dengan menggunakan classifier k-nearest neighborhod, rata-rata akurasi pengenalan metode FGA adalah 46.67% sedangkan dengan TFGA akurasi pengenalan adalah 57.14%. Dengan classifier pembanding backpropagation dan menggunakan metode TFGA didapatkan rata-rata akurasi pengenalan 78.29%. Secara umum dari keseluruhan metode semakin bertambah jumlah garis maka semakin meningkat pula tingkat akurasi pengenalan.

Abstrak :
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.

Abstrak :
Penelitian ini adalah penyempurnaan dari penelitian-penelitian sebelumnya mengenai penentuan sudut pandang wajah 3D dengan metode Nearest Feature Classifier. Sudut pandang merupakan salah satu variasi ciri yang diperlukan dalam system pengenalan wajah tiga dimensi. Sistem penentuan sudut pandang dari obyek tiga dimensi selama ini dikembangkan dengan dua tahap, yaitu tahap transformasi data ke dalam ruang eigen dengan menggunakan Principal Component Analysis atau Karhunen-Loeve Transformation dan tahap klasifikasi dengan menggunakan metode Nearest Feature Line yang melakukan generalisasi ciri-ciri suatu sudut pandang [SRIPOMO01] [LINA04] [EFRIKA04]. Penulis mengembangkan metode penentuan sudut pandang ini lebih lanjut dengan : 1. Memodifikasi tahapan transformasi dan klasifikasi data, yaitu membuat algoritma baru yang memanfaatkan kombinasi dua jenis ruang eigen yang dinamakan ruang eigen Single View Based (SVB) dan ruang eigen Double View Based (DVB) . 2. Memodifikasi tahapan klasifikasi data lebih lanjut, dengan menerapkan metode baru Nearest Feature Classifier yaitu Nearest Feature Plane (NFP) [CHIEN&WU02] yang dapat menangkap lebih banyak ciri dalam satu kelas. Beberapa uji coba dilakukan terhadap sistem penentuan sudut pandang ini dengan tujuan untuk mengetahui akurasi pengenalan sistem terhadap suatu sudut pandang wajah dengan jumlah citra pelatihan sesedikit mungkin.

Abstrak :
Pada kesempatan ini akan dievaluasi metode partisi fuzzy dalam menyelesaikan suatu permasalahan nonlinier dalam hal ini permasalahan klasifikasi. Metode ini mempartisi input space ke dalam bin-bin dan membuat aturan fuzzy dari tiap bin. Keseluruhan aturan fuzzy yang dihasilkan membentuk suatu sistem berbasis aturan fuzzy (sistem fuzzy) yang memodelkan sistem nonlinier dari permasalahan yang diberikan. Metode partisi fuzzy diperkenalkan dan digunakan untuk prediksi unjuk kerja pada masalah kredit industri finansial oleh Yinghua Lin. Pada makalah ini metode partisi fuzzy digunakan untuk menyelesaikan masalah klasifikasi dengan data input dan data output 'Wine Recognition Data'. Metode ini memberikan hasil yang cukup baik terutama ketika dilakukan penambahan kemungkinan lokasi pemartisian, dari maksimum pengenalan 91,67% (tiga lokasi pemartisian) menjadi maksimum 94,44% (lima lokasi pemartisan). Dalam percobaan ini juga diterapkan preprocessing PCA yang mentransformasikan data input ke dalam ruang eigen. Peningkatan yang diperoleh cukup tinggi hingga mencapai tingkat pengenalan 97,22%. Kata kuci: paritisi fuzzy, sistem fuzzy, klasifikasi, PCA.

Abstrak :
Jaringan saraf tiruan telah banyak dikembangkan untuk aplikasi pengenalan pola objek 3 dimensi. Salah satu metode pengenalan objek 3 dimensi melalui citra 2 dimensi dari berbagai sudut pandang telah dikembangkan dengan cara memodifikasi arsitektur lapis tersembunyi pada jaringan multi-layer perceptron menjadi bentuk silindris dan menggunakan metode pelatihan propagasi balik yang dikenal dengan Cylindrical Hidden Multi-Layer Perceptron Back Propagation (CHMLP-BP). Metode ini melibatkan pasangan berarah antara vektor sudut pandang terhadap objek dengan vektor posisi neuron pada lapis tersembunyi yang diabstraksikan ke dalam konstanta yang akan berperan dalam proses pelatihan maupun pengenalan[1]. Kinerja JST CHMLP-BP tersebut masih kurang baik dan diperbaiki dengan menambah neuron pada lapis tersembunyi secara acak sehingga membentuk arsitektur lapis tersembunyi konsentris[2]. Walaupun kinerja meningkat, pertambahan neuron pada lapis tengah secara acak belum membuktikan bahwa struktur jaringan dan kinerja jaringan telah optimal. Algoritma Genetika adalah sebuah teknik untuk pencarian solusi optimal untuk berbagai macam permasalahan. Penulis menggunakan Algoritma Genetika untuk mencari struktur jaringan dan kinerja jaringan yang telah optimal. Penggunaan Algoritma Genetika untuk optimasi terhadap JST CHMLP-BP dilakukan terhadap dua hal. Satu, optimasi pada jumlah bobot-bobot koneksi jaringan, dengan membuang koneksi-koneksi yang tidak diperlukan. Dua, optimasi pada jumlah neuron-neuron tersembunyi, dengan membuang neuron-neuron tersembunyi yang tidak diperlukan. Hasil eksperimen menunjukkan bahwa dengan parameter-parameter yang tepat, Algoritma Genetika dapat mereduksi ukuran jaringan dan meningkatkan kemampuan pengenalan pola. Analisa terhadap parameter-parameter tersebut menunjukkan penggunaan parameter-parameter yang berbeda untuk tiap persoalan optimasi JST.

Abstrak :
ABSTRAK
Kompresi merupakan upaya untuk meningkatkan efisiensi penyimpanan berkas. Tesis ini membahas suatu metodologi kompres dengan menerapkan Differential Coding dalam suatu jaringan neural yang mekanisme kerjanya bersifat unsupervised learning yang disebut Kohonen Self-Organizing Maps (KSOM).

Penerapan Differential Coding dalam KSOM (DC-KSOM) ini lebih menekankan pada aspek kualitas rekonstruksi citra dekompres daripada waktu komputasi, dan metode ini merupakan jenis lossy compression. Mekanismenya diawali dengan pra- proses citra, proses clustering blok data, differential coding, dan diakhiri entropic coding untuk memperoleh citra terkompres. Dengan mempertimbangkan topological properly, Jaringan Neural KSOM (JN-KSOM) berperan untuk mengkuantisasi vektor citra asli melalui proses pengelompokkan (peng-cluster-an) vektor-vektor pewakil (codebook) dari setiap blok. Proses clustering ini akan mengakibatkan reduksi dimensi data sehingga akan diperoleh hasil kompresi suatu berkas citra.

Hasil uji coba penelitian menunjukkan bahwa Root Mean Square Error (RMSE) matriks citra dekompres dengan DC-KSOM adalah 4,29229337, relatif Iebih rendah dibanding TCD yaitu 7,95840738, yang berarti bahwa kualitas citra dekompres hasil kompresi DC-KSOM lebih baik daripada TCD. Dari 10 citra yang dikompres, hasil kompresi dengan DC-KSOM menunjukkan nilai RMSE yang relatif stabil/reliable.

---