Menu
Home- Pemesanan
- Metode & Algoritma
- AHP
- Forward Chaining
- Backward Chaining
- GAP (Generic Acces Profile)
- Prifile Matching
- Teorema Bayes
- Case Based Reasoning (CBR)
- Dempher Shaper
- Fuzzy Logic
- Fuzzy Mamdani
- Generate And Test
- Ant Colony Optimization (ACO)
- Shortest Path Astar
- Algoritma ID3
- Algoritma C4.5
- Algoritma ANP
- Algoritma Indeks Davies-Bouldin SOM (Self Organizing Map)
- Algoritma Classification And Regression Trees (CART
- Algoritma Genetika
- Algoritma Genetika
- Source Code
- Katagori Skripsi
- Android
- Aplikasi
- Artificial Intellegence
- Backward Chaining
- Case Based Reasoning
- Flash MX
- Forward Chaining
- Game
- Java
- Java Android
- Kecerdasan Buatan
- Multimedia
- My-SQL
- Pengolahan Citra
- Security Komputer
- Sistem Informasi
- Sistem Informasi Goegrafis (GIS)
- Sistem Pakar
- Sistem Pendukung Keputusan (SPK)
- SMS Gateway
- Visual Basic (Dekstop)
- Web (PHP-MySQL)
- Project
- FAQ
- About
Home
Tampilkan postingan dengan label Neural Network. Tampilkan semua postingan
Tampilkan postingan dengan label Neural Network. Tampilkan semua postingan
Rabu, 03 Januari 2018
Pengenalan Identitas Melalui Sidik Jari Dengan Metode Probabilistic Neural Network (PNN) | Web PHP&MySQL
ABSTRAK
Sidik jari memiliki pola yang sangat unik. Sehingga tidak akan ada manusia yang memiliki pola sidik jari yang sama persis. Hal ini lah yang menyebabkan sidik jari digunakan sebagai identitas seseorang. Pada tugas akhir ini, dibangun suatu sistem identifikasi sidik jari dengan menggunakan Probabilistic Neural Network(PNN) yang merupakan suatu metode pengklasifikasian pola dengan penggabungan antara statistic dan Jaringan Saraf Tiruan. Seperti pada Jaringan Saraf Tiruan lainnya, PNN juga memerlukan proses training dalam melakukan pengenalan pola. Keputusan pada PNN diambil dengan menggunakan keputusan Bayes berdasarkan kelas yang memiliki jumlah tertinggi. Selain itu, digunakan pula metode Fast Fourier Transform (FFT) pada tahap preprocessing. Perbaikan kualitas citra dengan menggunakan FFT, dapat menyimpan nilai atau informasi penting yang terkandung dalam citra tersebut. Sehingga, perpaduan antara PNN dan FFT, dinilai dapat memberikan tingkat akurasi yang baik dalam proses identifikasi sidik jari
Kata Kunci : Probabilistic Neural Network, Bayes, Fast Fourier Transform, high-pass filter, sidik
jari
jari
Download File PDF :
BAB 1, 2, 3, 4 dan 5 (.word) (hubungi admin)
Download Source Code Program :
Download Filesource sidikjari-pnn.rar
Screnshot Program :
BAB 1, 2, 3, 4 dan 5 (.word) (hubungi admin)
Download Source Code Program :
Download Filesource sidikjari-pnn.rar
Screnshot Program :
Selasa, 27 Oktober 2015
Desain Dan Implementasi Jadwal Kuliah Dengan Menggunakan Algoritma Semut Berbasis Web
ABSTRAK
Penjadwalan kuliah dengan menggunakan algoritma semut mampu memberikan solusi alternatif pada penjadwalan kuliah yang menginginkan waktu tertentu secara optimal. Pada penilitian ini metode yang digunakan adalah studi pustaka. Studi pustaka ini dilakukan dengan membaca buku-buku serta literatur yang
berhubungan dengan penjadwalan serta algoritma semut. Salain dengan menggunakn studi pustaka peneliti juga menggunakan studi lapangan. Hal ini dimaksudkan untuk mendapatkan gambaran yang sebenarnya tentang keadaan instansi dengan mengamati secara langsung pada instansi tersebut, dengan cara
pengamatan atau metode pengumpulan data dengan melakukan interview pada bagian-bagian yang terlibat dalam proses penyusunan jadwal kuliah. Dari hasil analisis didapatkan: penjadwalan kuliah dengan menggunakan algoritma semut mampu memberikan solusi dalam penyusunan jadwal on-line, algoritma semut dapat diterapkan untuk membuat jadwal kuliah dengan hasil yang optimal, algoritmam semut mampu memberikan solusi dalam penyusunan jadwal kuliah yang menginginkan waktu tertentu.
berhubungan dengan penjadwalan serta algoritma semut. Salain dengan menggunakn studi pustaka peneliti juga menggunakan studi lapangan. Hal ini dimaksudkan untuk mendapatkan gambaran yang sebenarnya tentang keadaan instansi dengan mengamati secara langsung pada instansi tersebut, dengan cara
pengamatan atau metode pengumpulan data dengan melakukan interview pada bagian-bagian yang terlibat dalam proses penyusunan jadwal kuliah. Dari hasil analisis didapatkan: penjadwalan kuliah dengan menggunakan algoritma semut mampu memberikan solusi dalam penyusunan jadwal on-line, algoritma semut dapat diterapkan untuk membuat jadwal kuliah dengan hasil yang optimal, algoritmam semut mampu memberikan solusi dalam penyusunan jadwal kuliah yang menginginkan waktu tertentu.
Kata Kunci : Jadwal kuliah, Algoritma semut.
Download File :
Download Source Code Program :
Screnshot Program :
Senin, 03 Agustus 2015
Neural Network Perangkat Lunak Pengukur Kefasihan Bacaan Al-Qur’an
ABSTRAK
Al-Qur’an sebagai kitab suci umat Islam yang merupakan kalam Allah yang diwahyukan kepada Nabi Muhammad SAW yang mengandung petunjuk bagi umat manusia. Karena Al-Qur’an bernilai agung dan suci maka sebagai umat muslim hendaknya kita memperhatikan adap serta wajib membacanya dengan baik dan benar agar mampu memahami isi kandungannya serta mampu mengamalkannya dalam kehidupan sehari-hari. Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh system sel syaraf manusia, sama seperti otak yang memproses informasi. Neural Network cara kerjanya mirip dengan syaraf manusia yaitu belajar dari suatu contoh untuk memecahkan suatu masalah seperti pengenalan pola atau klasifikasi karena proses pembelajaran.
Pada penelitian ini akan dibuat sebuah perangkat lunak pegukur kefasihan baca’an Al-Qur’an dengan menggunakan Neural Network dengan metode back propagation menggunakan laptop. Sinyal analog mula-mula dicuplik menjadi sinyal digital dengan kecepatan cuplik 8000 Hz. Untuk proses ekstraksi parameter suara digunakan metode linier prediktif coding (LPC) untuk mendapatkan koefisien cepstral. Dari hasil keluaran LPC ini akan ditransformasikan ke dalam domain frekuensi dengan fast fourier transform (FFT) 512 point. Selanjutnya keluaran dari FFT sebanyak 32 data selanjutnya akan menjadi inputan Neural Network back propagation untuk melakukan pengenalan. Enam puluh sample dari 20 pembicara yang berbeda dan dianggap sudah fasih dan dianggap tidak fasih akan dilatih oleh Neural Network back propagation untuk dikenali. Untuk pengujian kefasihan akan dimasukkan 15 suara yang akan di uji kafasihannya dengan cara membandingkan data nilai dari target suara perameter antara yang fasih dan yang tidak fasih dengan data nilai sample. Baca’an akan dikatakan fasih jika datanya mendekati target nilai parameter dengan batas nilai yang telah ditentukan. Dalam tugas akhir ini hasil outputnya hanya ada tiga kemungkinan yaitu baca’an fasih dan tidak fasih serta bacaan yang tidak dikenali.
Dari hasil uji coba didapatkan hasil bahwa system mampu mengukur kafasihan menggunakan satu hidden dengan 50 node dan 2 hidden dengan 100,50 node dengan jumlah nilai momentum 0.1, 0.25, 0.5, 0.75, dan 09 hasilnya ratarata mengenali dengan prosentase 20% dan maksimal 40%.
Kata kunci: Neural Network, Back Propagation, Kefasihan Baca’an Al-Qur’an
Pada penelitian ini akan dibuat sebuah perangkat lunak pegukur kefasihan baca’an Al-Qur’an dengan menggunakan Neural Network dengan metode back propagation menggunakan laptop. Sinyal analog mula-mula dicuplik menjadi sinyal digital dengan kecepatan cuplik 8000 Hz. Untuk proses ekstraksi parameter suara digunakan metode linier prediktif coding (LPC) untuk mendapatkan koefisien cepstral. Dari hasil keluaran LPC ini akan ditransformasikan ke dalam domain frekuensi dengan fast fourier transform (FFT) 512 point. Selanjutnya keluaran dari FFT sebanyak 32 data selanjutnya akan menjadi inputan Neural Network back propagation untuk melakukan pengenalan. Enam puluh sample dari 20 pembicara yang berbeda dan dianggap sudah fasih dan dianggap tidak fasih akan dilatih oleh Neural Network back propagation untuk dikenali. Untuk pengujian kefasihan akan dimasukkan 15 suara yang akan di uji kafasihannya dengan cara membandingkan data nilai dari target suara perameter antara yang fasih dan yang tidak fasih dengan data nilai sample. Baca’an akan dikatakan fasih jika datanya mendekati target nilai parameter dengan batas nilai yang telah ditentukan. Dalam tugas akhir ini hasil outputnya hanya ada tiga kemungkinan yaitu baca’an fasih dan tidak fasih serta bacaan yang tidak dikenali.
Dari hasil uji coba didapatkan hasil bahwa system mampu mengukur kafasihan menggunakan satu hidden dengan 50 node dan 2 hidden dengan 100,50 node dengan jumlah nilai momentum 0.1, 0.25, 0.5, 0.75, dan 09 hasilnya ratarata mengenali dengan prosentase 20% dan maksimal 40%.
Kata kunci: Neural Network, Back Propagation, Kefasihan Baca’an Al-Qur’an
Download File :
ABSTRAK
Download Source Code Program :
Screenshot Program :
Langganan:
Postingan (Atom)