1,720,974 research outputs found
PENGKODEAN PROGRAM BAHASA PEMROGRAMAN GOTO DENGAN METODE PENOMORAN GODEL
No full textMakalah ini membahas tentang aplikasi Metode Penomoran Godel pada pengkodean suatu program. Metode penomoran Godel yang digunakan disini adalah salah satu metode dari metode-metode penomoran Godel yang ada saat ini
Algoritma Pencarian Jalur Hamiltonian Pada Kubus Fibonacci dan Kubus Lucas
No full textJalur Haimiltonian pada graf terhuhung G adalah suatu jalur yang inelalui sernua simpul didalarn G tepat satu kali. Masalah yang muncul adalah “Apakah graf G mempunyai jalur Hamiltonian ? “. Masalah pencarianjalur Hamiltonian pada graf G termasuk dalatn kelas NP-complete (waktu pencariannya non polinomial. Namun, khusus untuk beberapa graf tertentu masalah pencarian jalur Hamiltonian bisa diselesaikan dalarn waktu polinomial, seperti pada graf kubus Fibonacci dun kubus Lucas. Kubus Fibonacci Kubus Lucas adalah subgraf dan graf kipercube ditnana simpul—simpu/iwa merupakan string hiner order—p panjang—n E (0, if’ , dun dua simpul akan terhubung bila stringnva berbeda 1 bit tunggal. Simpul-simpul pada kubus Fibonacci merupakan string biller yang tidak mengandung subtring F sedan gkan pada kuhus Luca.c simpul-simpuinva merupakan string hi ncr yang tidak mengandung subtring F atait tidak mengandung sekaligus suhtring 1’ didepan dan subtring jm dibelakang dengan l + m > p. Pada makalah mi diban gun suatu algoritma pencarian jalur Hamiltonian pada kuhus Fibonacci dan Lucas, kemudian ditunjuukan huh wa a igorit in a dapat diselesaikan dalam waktu O(N*IogN,), dim an a N=2” adalah jumlah simpul kubus dimensi-n . Makalah ini membahas kubus Fibonacci dan kubus Lucas dimensi-n khusus untuk p =
ALGORITMA ROUTING UNTUK IDENTIFIKASI JALURTERPENDEK PADA INCOMPLETE-HYPERCUBE_UG
No full textPada tulisan ini dibahas tentang pengembangan suatu algoritma routing untuk menentukan jalur terpendek antara dua prosesor di dalam hypercube yang faulty (incomplete hypercube). Algoritma ini dapat mengidentifikasi kondisi konektifiti jaringan ketika beberapa prosesor pada jalur menjadi faulty. Pada saat kondisi jaringan tetap tehubung, algoritma selalu dapat menunjukkan panjang jalur terpendek antara dua prosesor. Konsep jarak Hamming dan graf kombinatorik himpunan string biner digunakan dalam mendisain Algoritma. Kompleksitas algoritma ini adalah O(N), N adalah jumlah simpul dalam incomplete-hypercube
Ornamental Plants Classification Using Integration of Convolution With Capsule Network
Get PDFAbstrakKlasifikasi tanaman hias bertujuan untuk mempermudah media sosial tanaman hias dalam mengategorikan citra, sehingga sistem dapat merekomendasikan konten sesuai dengan preferensi pengguna. Pengguna berpotensi merasa cepat bosan apabila konten hanya ditampilkan secara acak. Penelitian ini melakukan Integration of Convolution with Capsule Network (ICCN) dengan menggabungkan beberapa lapisan strided convolution dan Capsule Network (CapsNet) untuk menghasilkan model klasifikasi yang memiliki komputasi lebih rendah dibandingkan original CapsNet dan mampu mengatasi permasalahan invariant of translation pada Convolutional Neural Network (CNN). Sebanyak 3 lapisan convolution dengan kernel berukuran 3x3 dan stride 2 ditambahkan pada CapsNet untuk membantu mengekstraksi citra dan mengurangi jumlah parameter yang dilatih. Hasil penelitian menunjukkan ICCN yang diusulkan memiliki jumlah parameter 2 kali lebih sedikit daripada original CapsNet dan memiliki akurasi lebih tinggi dibandingkan dengan CNN yaitu sebesar 95% sementara CNN berakurasi 93%.Kata kunci: tanaman hias, klasifikasi citra, cnn, capsnet, integrasiAbstractThe aim of ornamental plant classification is to assist ornamental plant social media in categorizing images, so the system is able to recommend content based on user preferences. Showing content randomly can lead to user boredom. This research implements Integration of Convolution with Capsule Network (ICCN) by combining several layers of strided convolution with Capsule Network (CapsNet) to create a classification model that has lower computation compared to the original CapsNet and able to address the issue of invariant of translation in Convolutional Neural Network (CNN). There are 3 convolutional layers with 3x3 kernel and stride of 2 added to CapsNet to assist in image extraction and reduce the number of trainable parameters. The research results showed that the proposed ICCN has 2 times fewer trainable parameters than the original CapsNet and achieves higher accuracy than CNN, with 95% accuracy, while CNN has an accuracy of 93%.Keywords: ornamental plants, image classification, cnn, capsnet, integratio
IDENTIFIKASI NOMOR POLISI MOBIL MENGGUNAKAN METODE JARINGAN SARAF BUATAN LEARNING VECTOR QUANTIZATION
No full textTeknologi pengenalan pola banyak digunakan di dalam berbagai aplikasi. Salah satu bidang yang
menerapkan pengenalan pola adalah biometrics. Sistem biometrika merupakan teknologi yang digunakan untuk
mengenali identitas seseorang melalui bagian tubuh atau perilaku. Dalam penulisan ini penulis mencoba
menerapkan pengenalan pola untuk mengidentifikasi nomor polisi mobil. Pengenalan identitas kendaraan
khususnya nomor polisi sangat berguna di dalam sistem parkir. Sistem parkir sekarang ini masih banyakyang
menggunakan cara manual yaitu mencatat nomor polisisetiap mobil yang dilakukan oleh petugas. Penelitian
ini bertujuan untuk mensimulasikan metode pengolahan citra untuk mengidentifikasi nomor polisi mobil guna
menggantikan sistem manual yang dilakukan oleh manusia.
Input berupa citra foto yang dihasilkan oleh kamera digital. Citra diproses melalui pra-pengolahan
agar citra memiliki kualitas yang lebih baik dan lebih siap untuk pemrosesan ekstraksi ciri. Selanjutnya
dilakukan proses pengenalan pola pada citra untuk mendapatkan ciri yang terdapat pada citra tersebut. Fitufitur yang diperoleh dari pengolahan citra berupa vektor yang merepresentasikan ciri karakteristik dari suatu
huruf atau angka. Fitur ciri kemudian diuji untuk proses klasifikasi menggunakan Jaringan saraf tiruanmetode
Learning Vector Quantization (LVQ). LVQ mengklasifikasikan vektor uji dengan cara mambandingkannya
dengan bobot setiap kelas sehingga menghasilkan jarak. Jarak akan menentukan kelas dari ciri yang diuji.
Penelitian ini hanya dilakukan pada nomor polisi mobil. Percobaan dilakukan dengan mengumpulkan
data berupa foto nomor polisi. Dari data yang dikumpulkan kemudian dikelompokkan berdasarkan karakter
huruf atau angka untuk dibuat template. Hasil percobaan menunjukkan keberhasilan sebesar 78% dari pola
karakter yang dikenal dan yang tidak dikenal
Embeddings Of Linear Arrays, Rings And 2-D meshes On Extended lucas Cube Network
No full textA Fibonacci string is a length ii binary string containing no two consecutive 1 s. Fibonacci cubes (FC), Extended Fibonacci cubes (ELC) and Lucas cubes (LC) are subgraphs of hvpercube defined in terms of Fibonacci strings. All these cubes were introduced in the last ten years as models for interconnection networks and shown that their network topology posseses many interesting properties that are important in parallel processor network design and parallel applications. In this paper, we propose a new family of Fibonacci-like cube, namely Extended Lucas Cube (ELC). We address the following network simulation problem : Given a linear array, a ring or a two-dimensional mesh; how can its nodes be assigned to ELC nodes so as to keep their adjacent nodes near each other in ELC ?. We first show a simple fact that there is a Hamiltonian path and cycle in any ELC. We prove that any linear array and ring network can be embedded into its corresponding optimum ELC (the smallest ELC with at least the number of nodes in the ring) with dilation 1, which is optimum for most cases. Then, we describe dilation 1 embeddings of a class of meshes into their corresponding optimum ELC.
Keywords: (Extended) Fibonacci cube, Extended Lucas cube, Fibonacci number, Hamiltonian path, Hamiltonian cycle, linear array, ring , mesh, networ
Implementasi Metode CNN Multi-Scale Input dan Multi-Feature Network untuk Dugaan Kanker Payudara
Get PDFMenurut WHO, kanker payudara merupakan penyumbang angka morbiditas tertinggi pada tahun 2020 dengan jumlah 2,26 juta kasus. Dalam menentukan prognosis pasien diperlukan berbagai pemeriksaan, salah satunya adalah analisis histopatologi. Namun, analisis histopatologi adalah proses yang relatif melelahkan dan memakan waktu. Dengan berkembangnya metode deep learning, ilmu computer vision dapat diterapkan untuk pendeteksian kanker pada citra medis, yang diharapkan dapat membantu meningkatkan akurasi prognosis dan kecepatan identifikasi yang dilakukan oleh para ahli. Berdasarkan pengetahuan tersebut, penelitian ini bertujuan untuk menerapkan klasifikasi multi-kelas (normal, benign, in situ, invasif) dan prediksi citra jaringan digital normal atau telah diduga memiliki sel kanker menggunakan Convolutional Neural Network dengan multi-scale input dan multi-feature network (CNN-G). Dataset yang digunakan adalah 400 data citra jaringan payudara yang diklasifikasikan menjadi empat kelas dan diberi label oleh ahli patologi. Hasil akurasi yang diperoleh dari pelatihan adalah 0,5375~0,54 dan berhasil membuat peningkatan jika dibandingkan dengan model tunggal (CNN14, CNN42, CNN84). Metode evaluasi model lain yang dilakukan adalah confusion matrix, precision, recall, dan f-1 score.Â
Complexity of OOD Even Transposition Parallel Algorithm in Nonlinear Network Models
No full textAbstract Odd evem transposition is a parallel sorting algorithm is a development of the sequential algorithm "bubble sort
EVALUASI KINERJA ALGORITMA TRAVELING SALESMAN PROBLEM DENGAN TEKNIK PEMROGRAMAN DINAMIK
No full textTraveling Salesman Problem (TSP) dapat diilustrasikan sebagai perjalanan seorang salesman yang harus melalui semua kota yang dituju dengan jarak terpendek, dimana setiap kota hanya boleh dilalui satu kali. Solusi optimal dari TSP ialah jalur terpendek yang dapat dilalui oleh salesman tersebut. Model TSP dinyatakan dalam bentuk graf. Rute perjalanan dengan aturan pengunjungan satu dan hanya satu kali pada setiap simpul (node) dalam graf disebut dengan jalur Hamiltonian. Bila perjalanan dimulai dan berakhir di simpul yang sama maka jalur ini disebut siklus Hamiltonian. TSP merupakan suatu permasalahan permutasi; yaitu problem yang secara konvensional diselesaikan dalam waktu n! (n faktorial), untuk n buah objek. Di dalam paper ini akan dibahas mengenai implementasi algoritma TSP dengan metode pemrograman dinamis (dynamic programming) pada bahasa pemrograman Pascal. Dengan metode pemrograman dinamik (dynamic programming), TSP dapat diselesaikan dalam fungsi waktu yang eksponensial O(n22n), dimana n! > O(2n)
Wood Classification Based on Edge Detections and Texture Features Selection
Get PDFOne of the properties of wood is a mechanical property, includes: hardness, strength, cleavage resistance, etc. Among these properties there that can be measured or estimated by visual observation on cross-sectional areas of wood, which is based on inter-fiber density, fiber size, and lines that build the annual rings. In this paper, we proposed a new wood quality classification method based on edge detections. Edge detection is applied to the wood test images with the aim to improving the characteristics of wood fibers so as to make it easier to distinguish their quality. Gray Level Co-occurrence Matrix (GLCM) used to obtain wood texture features, while the wood quality classification done by Naïve Bayes classifier. Found in our experimental results that the first-order edge detection is likely to provide a good accuracy rate and precision. The second order edge detection is highly dependent on the choice of parameters and tends to give worse classification results, as filtering the original wood image, thus blurring characteristics related to wood density. Selection of features obtained from co-occurrence matrix is also quite affected the classification results
- …
