3 research outputs found
Deteksi Objek Citra Menggunakan Metode HOG dan SVM u ntuk Pengembangan Media Augmentative and Alternative Communication
No full textRINGKASAN Putra , Ivan R . 2018. Deteksi Objek Citra Menggunakan Metode HOG dan SVM u ntuk Pengembangan Media Augmentative and Alternative Communication . Skripsi, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Malang. Pembimbing: (I) Dr. Eng. Muhammad Ashar, S.T., M.T. (II) Ilham Ari Elbaith Zaeni, S.T., M.T., Ph.D. Kata Kunci : Deteksi Objek , Support Vector Machine ( SVM ) , Histogram Of Oriented Gradients ( HOG ) , Augmentative and Alternative Communication (AAC) . Komunikasi menjadi peranan penting untuk dapat membantu peran manusia sebagai makhluk sosial. Tetapi tidak semua manusia dapat berkomunikasi secara lisan yang disebabkan berbagai f aktor seperti gangguan pendengaran, cacat fisik, gangguan perkembangan, gangguan belajar, gangguan autisme dll. Untuk mengatasi masalah tersebut dibutuhkan komunikasi alternatif untuk menggantikan cara berkomunikasi verbal menggunakan media Augmentative an d Alternative Communication ( AAC ) yang mengutamakan penggunaan media visual . Salah satu teknik teknologi informasi yang dap at membantu pengembangan media Augmentative and Alternative Communication adalah pendeteksian objek citra . Algoritma data mining yang dapat digunakan untuk pendeteksian objek citra adalah Support Vector Machine (SVM) dan Histogram Of Oriented Gradients (HOG). HOG adalah algoritma untuk ektraksi fitur data citra dan sering digunakan untuk tujuan pendeteksian objek. SVM a dalah algoritma klasifikasi dan dapat digunakan pada data dengan feature yang banyak seperti data citra. Algoritma HOG dan SVM telah diterapkan dalam pendeteksian objek citra dan terbukti memberikan nilai akurasi yang tinggi . Oleh karena itu, penelitian in i menggunakan algoritma SVM dan HOG untuk mengembangkan media AAC. Berdasarkan penelitian yang telah dilakukan , diperoleh hasil rata - rata akurasi sebesar 92,61% dengan menggunakan metode 10 fold - cross Validation. Uji coba media dilakukan di SLB Autis Laboratorium UM . Setelah dilakukan analisa dan evaluasi pada uji coba media diperoleh akurasi deteksi sebesar 90 %. Dengan hasil akurasi yang diperoleh pada setiap pengujian telah membuktikan bahwa algoritma Histogram Oriented of Gradients dan Support Vector Machine dapat digunakan untuk membantu pengembangan media Augmentative and Alternative Communication
Area Minimization of DTB Multiplexer: A Chip Component with High Wire Density and Congestion
No full textDTB Multiplexer is a component within an NXP chip called the BAP3. This component provides a testing functionality for the chip. This component is purely combinational, and requires no clock, however this makes the component wiring-costly. This high wiring requirement leads to the area constraint imposed by the wiring demand rather than cell area, and this also leads to the DTB multiplexer reducing the placement area available for other modules. In this thesis, the wiring area is going to be estimated as the amount of congestion, which would cause detour in the design which results in extra wiring. In this thesis, DTB multiplexer is placed by external method instead of using the place and route tools usually used by the design team. Instead, the placement is done on MATLAB which is later ported to the place and route tools using script. The placement algorithm implemented in MATLAB is primarily based on two algorithm, Dplace for initial preplacement, which in turn utilizes diffusion preplacement algorithm, and modified C-ECOP for the congestion reduction. More detailed congestion estimation done by using an additional routing estimation algorithm which is based on One-Steiner routing algorithm. The result indicates that the modified C-ECOP can be used to reduce congestion, thus wiring area when paired with a good initial placement algorithm, but the initial placement algorithm and detailed congestion estimation algorithm with one-steiner could be further improved, and further work is needed to integrate the result with commercialNXP BAP3 ChipComputer Engineerin
Prediksi rating reksadana berbasis algoritma decision tree pada sistem informasi reksadana
Get PDFInformasi yang terdapat pada situs reksadana pada saat ini hanya menampilkan tetang variabel reksadana saja secara umum seperti nilai NAV, RAB, Resiko, YTD, dan lainya, sehingga para investor yang masih baru dalam reksadana akan kesulitan dalam menentukan pilihan reksadaana yang akan dibeli. Oleh karena itu pada penelitian ini diusulkan prediksi rating reksadana berbasis algoritma decision tree pada sistem informasi reksadana dengan tujuan untuk menampilkan sebuah variabel rating sebagai bahan pertimbangan dan meningkatkan keakuratan dalam memberikan rating pada penelitian prediksi rating reksadana. Algoritma yang digunakan dalam pembuatan sistem informasi prediksi rating reksadana ini adalah menggunakan algoritma decision tree dengan menggunakan variabel NAV, HILO, Resiko, dan YTD. Pengujian akurasi, spesifikasi, dan sensitivity dilakukan menggunakan data yang sudah diunduh pada website reksadana IPOTFUND. Jumlah data yang digunakan yaitu 50 data, yang terdiri dari 25 data latih dan 25 data uji. Dari hasil pengujian yang dilakukan dengan metode decision tree maka menunjukkan tingkat akurasi, spesificity, dan sensitivity sebesar 80%, 93%, dan 67%. Maka dapat disimpulkan bahwa algoritma decision tree bekerja secara akurat untuk pemberian rating reksa dana
