103 research outputs found
Pengenalan karakter angka menggunakan metode Integral Proyeksi
Get PDF Saat ini dengan kemajuan teknologi membuat komputer memiliki kemampuan komputasi yang lebih tinggi untuk meningkatkan kemampuan dalam pengolahan data. Kemajuan teknologi ini juga berimbas pada kemampuan teknologi citra digital yang berhubungan dengan pengenalan karakter angka yang merupakan bagian dari pengenalan pola. Pengenalan karakter penting untuk pengolahan informasi yang memungkinkan proses identifikasi secara cepat dan otomatis. Pada penelitian ini dilakukan proses pengenalan karakter angka menggunakan metode Integral Proyeksi. Alasan menggunakan metode integral proyeksi karena mempunyai kelebihan pemrosesan yang sederhana dan cepat dalam mengidentifikasi suatu citra digital. Integral Proyeksi yang digunakan yaitu Integral Proyeksi vertikal dan Integral Proyeksi horisontal. Hasil penelitian menunjukkan pengenalan karakter angka mampu mengenali karakter dengan benar jika hasil praproses menghasilkan gambar yang baik. Pengenalan karakter angka akan kurang sempurna jika gambar yang diproses tidak baik, hal ini dikarenakan metode Integral Proyeksi bekerja dengan menghitung jumlah piksel tiap gambar untuk mengenai nilai gambar tersebut. Pengujian pengenalan karakater angka yang dilakukan terdapat 20 gambar uji menghasilkan nilai akurasi sebesar 65%. Nowadays with the advancement of technology makes computers have higher computing capabilities to improve the capability of data processing. Advances in technology have also affected the ability of digital image technology related to the introduction of alphanumeric characters that are part of pattern recognition. Character recognition is important for information processing that allows rapid identification process automatically. In this research, numeric character recognition process using integral projection method. Reasons for using integral projection method for processing has the advantage of a simple and quick in identifying a digital image. The integral projection used is vertical projection and horizontal projection. The results showed numeric character recognition could recognize the characters correctly if the results of preprocessing produce good images. The introduction of the characters will be less than perfect if the images are processed is not good, this is because the integral projection method works by counting the number of pixels for each image to the value of the image. Testing the result of recognition from 20 image which is on dataset has been built to get accuracy value about 65%
Modifikasi Distribusi Semut Pada Ant Colony Optimization Berdasarkan Gradient Untuk Deteksi Tepi Citra
Get PDFAnt Colony Optimization (ACO) merupakan algoritma optimasi yang terinspirasi oleh
tingkah laku semut dalam mencari makan. Karena keunggulan yang dimilikinya, ACO
banyak digunakan untuk menyelesaikan permasalahan non-polinomial yang sulit, salah
satunya adalah deteksi tepi pada citra. Penerapan ACO pada deteksi tepi telah terbukti
berhasil dengan baik, akan tetapi metode penyebaran semut pada ACO sangat
mempengaruhi tingkat akurasi.
Pada ACO tradisional semut awal disebarkan secara acak. Kondisi ini dapat
menyebabkan ketidakseimbangan distribusi semut yang kemudian mempengaruhi proses
penemuan jalur pada deteksi tepi. Berdasarkan permasalahan tersebut, modifikasi
distribusi semut pada ACO diusulkan untuk mengoptimalkan penyebaran semut
berdasarkan gradient. Nilai gradient digunakan untuk menentukan penempatan semut.
Metode yang diusulkan pada penelitian ini adalah dengan melakukan penyebaran semut
berdasarkan nilai gradient. Semut tidak disebar secara acak, akan tetapi ditempatkan di
gradient tertinggi. Cara ini diharapkan dapat digunakan untuk optimasi penemuan jalur.
Berdasarkan hasil uji coba, dengan menggunakan ACO modifikasi yang diusulkan dapat
diperoleh nilai rata-rata Peak Signal to Noise Ratio (PSNR) 12,884. Sedangkan,
menggunakan ACO tradisional diperoleh nilai rata-rata PSNR 11,665. Hasil ini
menunjukkan bahwa ACO modifikasi mampu menghasilkan citra keluaran yang lebih
baik dibandingkan ACO tradisional yang sebaran semut awalnya dilakukan secara acak.
=====================================================================================================
Ant Colony Optimization (ACO) is an optimization algorithm which is inspired by
the behavior of ants when finding foods. Because of its advantages, ACO is widely used
to solve the difficult non-polynomial problems, one of them is image edge detection.
Application of ACO on edge detection has been proven to work well, but the method of
spreading ants in ACO greatly affects the accuracy.
In traditional ACO, the initial ant randomly distributed. This condition can cause an
imbalance ants distribution which can affect the path discovery process on edge detection.
Based on this problem, a modified ant distribution in ACO is proposed to optimize the
deployment of ant based gradient. Gradient value is used to determine the placement of
the ants. Ants are not distributed randomly, but placed in the highest gradient. This
method is expected to be used for optimization path discovery. Based on the test results,
using the proposed ACO modification can be obtained average values of Peak Signal to
Noise Ratio (PSNR) 12.884. Meanwhile, using traditional ACO obtained an average
value of PSNR 11.665. These results indicate that the ACO modification capable of
generating output image better than traditional ACO which ants are initially distributed
randomly
ADAPTIVE ANT COLONY OPTIMIZATION BASED GRADIENT FOR EDGE DETECTION (Vol.7 Issue 2 June 2014)
No full textQueue Tree Implementation for Bandwidth Management in Modern Campus Network Architecture
Get PDFBandwidth management in an institution becomes a fundamental need that must be managed properly. The continuous increase in the number of user, data and hardware technologies result in unequal distribution and bandwidth absorption. The increasingly diverse needs of the users in the virtual world require refined setting of bandwidth scheme. If bandwidth is not set properly, bandwidth can be accessed by multiple users. Institutions engaged in education consist of several parties such as employees, teachers and students (called student body). Queue implementation is a technique of dividing bandwidth according to the proportional needs of its users; moreover, this technique is able to work flexibly to organize and allocate bandwidth to end users. The ease of adding and reducing the amount of bandwidth becomes its main feature. The concept of campus network adopted from a Cisco fundamental system can serve as one model that can optimize the infrastructure and the distribution of bandwidth to end users. The method used in this research is employing direct observation, conducting interviews for problem identification and assigning the Internet service requirement and the availability of hardware and software resources. The optimization of bandwidth management by considering student body becomes the main objective. The implementation of queue on each network allows the distribution of bandwidth conforming the user satisfaction. Based on user satisfaction survey result, the user satisfaction level of Queue Tree implementation reached 59.2%
Peramalan Nilai Saham BBCA Melalui Pendekatan Time Series Menggunakan Teknik Exponential Smoothing
No full textForecasting stock prices plays a crucial role in shaping investment strategies within the financial market. This article aims to predict the stock prices of Bank Central Asia (BBCA), a prominent entity in the Indonesian banking sector. Employing a time series methodology, this study utilizes the Exponential Smoothing technique to anticipate the fluctuations in BBCA\u27s share prices. Meanwhile, the dataset used is the BBCA share price data from April 2001 to early January 2023. The final error rate in this forecast is 10%
Penggunaan Arnold Cat Map Dan Beta Chaotic Map Pada Enkripsi Data Citra
Get PDFPenggunaan citra dalam kehidupan sehari-hari mengalami peningkatan seiring berkembangnya teknologi informasi. Untuk itu diperlukan sebuah cara agar data citra dapat ditransmisikan dengan aman. Salah satunya adalah dengan melakukan enkripsi pada citra. Citra terenkripsi akan membuat citra hanya dapat dibaca oleh pihak yang berwenang saja. Skema yang digunakan pada proses enkripsi dapat berupa permutasi. Pada penelitian ini menggunakan Arnold cat map untuk melakukan permutasi pada enkripsi citra. Namun permutasi saja tidak cukup aman untuk mengenkripsi citra. Citra yang telah dipermutasi selanjutnya ditambah dengan algoritma lain berbasis chaos. Beta chaotic map digunakan dalam penelitian ini karena memiliki parameter yang lebih banyak dibandingkan dengan map jenis lain. Dengan parameter yang lebih besar maka akan memperkuat hasil enkripsi. Hasil pengujian yang dilakukan pada penelitian ini menunjukkan bahwa skema enkripsi memiliki ketahanan terhadap serangan brute force dan serangan analisis histogram. Citra asli akan memiliki bentuk yang sangat berbeda dengan citra hasil enkripsi yang dibuktikan dengan perhitungan nilai NPCR
PEMANFAATAN HIERARCHICAL CLUSTERING UNTUK PENGELOMPOKKAN DAUN BERDASARKAN FITUR MOMENT INVARIANT
Get PDFAbstrakIlmu mengenai tanaman telah mengalami kemajuan yang pesat. Salah satunya cabang ilmu mengenai morfologi tanaman. Ilmu morfologi ini mempelajari susunan tubuh tanaman khususnya mengenai bentuk tepi daun. Pada penelitian ini akan dilakukan pengelompokkan daun berdasarkan bentuk tepi daun. Metode yang digunakan untuk melakukan pengelompokkan adalah metode Centroid Linkage Clustering yang merupakan bagian dari algoritma Hierarchical Clustering. Metode ini dikenal lebih memiliki beban komputasi yang relatif lebih ringan karena hanya cukup menghitung titik tengah antar cluster. Berdasarkan hasil uji coba yang dilakukan, penggunaan metode Centroid Linkage Clustering didapatkan nilai akurasi clustering sebesar 87%, sedangkan dengan menggunakan metode k-means didapatkan nilai akurasi clustering sebesar 81%. Hal ini menunjukkan bahwa kinerja metode Centroid Linkage Clustering lebih baik dibandingkan metode k-means. Kata Kunci: Morfologi, Centroid Linkage Clustering, Hierarchical Clustering, Cluster, K-mean
Image Retrival Pada Obyek Lingga Yoni Di Situs Peninggalan Sejarah Trowulan Mojokerto
Get PDFThis study contains about Image Retrieval system image on Lingga Yoni at historical sites Trowulan. In the area Trowulan is a legacy of work Majapahit era where the majority of people it is a Hindu, so many relics found in the form of Linga Yoni which serves as the worship of Lord Shiva. Data retrieval image Yoni Linga Linga Yoni as many as 50 images using a digital camera, and the image size Lingga Yoni 200 x 300 pixels in BMP file format. Stages Image Retrieval system on the study include segmentation stages: (1) Smoothing using the method Pas Low Filter to soften the image of the noise; (2) the extraction step texture by using Region Growing by altering the RGB color image is converted into to facilitate the HSL color groups; (3) Region Region Merging Growing did for the incorporation of color image corresponding to the object Linga Yoni; (4) to get to extraction stage form was originally looking for edge detection using Canny edge; (5) the image is converted into binary form to the morphology using opening and closing. At Stages Image Retrieval 50 Linga Yoni image texture extraction step performed using the 4 corners of each feature value GLCM with Different Inverse Moment IDM to revise the results of Image Retrieval using methods Precision and Recall
Data Mining dan Penerapan Metode
No full textData mining merupakan proses untuk mendapatkan informasi yang berguna dari basis data yang besar dan perlu diekstraksi agar menjadi informasi baru dan dapat membantu dalam pengambilan keputusan. Data mining atau yang biasa disebut juga dengan Knowledge Discovery in Database (KDD) merupakan suatu proses pengumpulan dan pengolahan data yang valid dan dinilai potensial serta mudah dipahami polanya dengan tujuan untuk mengekstrak informasi - informasi penting yang dibutuhkan. Pada buku ini akan dibahas materia terkait pengenalan data mining, forecasting, classification, clustering dan association
Forecasting Bitcoin using Double Exponential Smoothing Method Based on Mean Absolute Percentage Error
Get PDFAbstract— After being introduced in 2008, the rise in the price of bitcoin and the popularity of other cryptocurrencies triggered a growing discussion about how much energy was consumed during the production of this currency. Making cryptocurrency the most expensive and most popular, both the business world and the research community have begun to study the devel-opment of bitcoin. In this study bitcoin price predictions are performed using the double exponential smoothing method based on the mean absolute percentage error (MAPE). The MAPE value is used to find the best alpha (α) parameter as the basis for bitcoin price forecasting. The dataset used is the price of bitcoin from 2017 to 2019. The dataset was obtained from www.cryptocompare.com. As for the value of the alpha parameter (α), using a value of 0.1 to 0.9. Based on the test results using the double exponential smoothing method obtained the smallest MAPE value of 2.89%, with the best alpha (α) at 0.9. The prediction is done to see the price of bitcoin on January 1, 2020. The error rate generated on the predicted price of bitcoin uses an amount of 0.0373%. This shows that the system built can be used as a support for decision making when trading bitcoin
- …
