SEGMENTASI CITRA IKAN TUNA DENGAN MAHALANOBIS HISTOGRAM THRESHOLDING DAN MAHALANOBIS FUZZY C-MEANS

segmentasi. Secara visual citra ikan tuna memiliki varian warna yang tinggi mulai
dari bagian biru gelap hingga biru terang atau putih. Jika citra ikan tuna dipetakan
ke dalam ruang fitur maka piksel yang menyusun area tubuh ikan tuna akan
membentuk kelompok piksel hyperellipsoid. Algoritma segmentasi Fuzzy C-Means
berbasis jarak Mahalanobis dapat digunakan untuk mensegmentasi citra yang
memiliki karakteristik tersebut. Namun inisialisasi derajat keanggotaan dan
centroid klaster secara random mengakibatkan proses pengklasteran piksel menjadi
tidak efisien dalam hal iterasi dan waktu komputasi.
Penelitian ini mengusulkan metode baru untuk segmentasi citra ikan tuna
dengan Mahalanobis Histogram Thresholding M-HT dan Mahalanobis Fuzzy CMeans
MFCM. Metode yang diusulkan terdiri atas tiga tahapan utama yaitu
Inisialisasi centroid untuk mendapatkan centroid awal tiap klaster pengklasteran
piksel untuk mengelompokkan piksel background dan objek dan peningkatan
akurasi untuk meningkatkan akurasi hasil pengklasteran piksel.
Berdasarkan hasil uji coba diperoleh rata-rata jumlah iterasi sebanyak 66
iterasi dengan waktu segmentasi rata-rata 16203 detik. Rata-rata Akurasi sebesar
9854 dengan tingkat Missclassification Error sebesar 146. Berdasarkan hasil
yang diperoleh maka dapat disimpulkan bahwa metode yang diusulkan dapat
meningkatkan efisiensi dalam hal jumlah iterasi dan waktu segmentasi. Selain itu
metode yang diusulkan dapat memberikan hasil segmentasi yang lebih akurat
dibandingkan dengan metode konvensional.

PEMAHAMAN BAHASA ALAMI MENGGUNAKAN METODA PEMADANAN POLA

Dewasa ini perkembangan teknologi perangkat lunak terasa lebih cepat dibandingkan dengan teknologi perangkat kerasnya. Salah satu diantaranya adalah dibidang pemrograman. Kini sudah dikembangkan suatu jenis program yang dinamakan Bahasa Alami (Natural Language). Bahasa Alami termasuk dalam cabang dari ilmu Kecerdasan Buatan (Artificial Intelligence). Bahasa Alami adalah adalah suatu program yang memungkinkan manusia melakukan interaksi dengan komputer, dengan menggunakan bahasa sehari-hari. Dengan bahasa alami seorang pemakai tidak harus belajar pemrograman untuk dapat mengoperasikan komputer. Bahasa alami yang digunakan dapat berupa ucapan, ataupun tulisan. Prinsip kerja dari bahasa alami adalah pemahaman terhadap suatu kalimat masukan, untuk selanjutnya dikerjakan sesuai dengan makna atau arti sebenarnya dari kalimat tersebut. Proses pemahaman tersebut sangat rumit, karena banyak faktor yang harus dipenuhi antara lain pengenalan terhadap setiap kata, struktur kalimat, dan adanya kata atau kalimat yang memiliki lebih dari satu arti. Bahasa alami merupakan permasalahan yang tidak terstruktur dan prosedur pemecahannya tidak diketahui. Hal ini dapat diatasi dengan perangkat lunak yang sesuai dengan kebutuhan tersebut. Perangkat lunak yang dimaksud adalah bahasa perograman yang sesuai, yaitu bahasa pemrograman yang tidak bersifat prosedural melainkan deklaratif. Prolog merupakan salah satu bahasa pemrograman deklaratif, karena dalam Prolog tidak diperlukan prosedur ataupun algoritma.

OPTIMASI PEMILIHAN PERANGKAT LUNAK ERP PADA PERUSAHAAN MENGGUNAKAN MULTI-CRITERIA DECISION MAKING FUZZY-AHP DAN TOPSIS

Proses penggunaan perangkat lunak ERP pada sebuah
perusahaan terdiri dari tiga bagian yakni proses pemilihan
proses implementasi dan proses evaluasi. Proses pemilihan
perangkat lunak merupakan faktor yang sangat penting untuk
menunjang keberhasilan pada proses selanjutnya. Untuk memilih
perangkat lunak ERP diperlukan sebuah teknik Multi Criteria
Decision Making MCDM. Pada tugas akhir ini metode yang
digunakan yakni Fuzzy-AHP dan TOPSIS.
Untuk mendapatkan hasil yang lebih baik kriteria yang
digunakan pada MCDM berdasar ISOIEC 25022 Software
Measurement of Quality in Use. Kriteria ini menunjukkan kualitas
sebuah sistem ketika digunakan. Teknik business process matching
dengan Beehivez digunakan sebagai salah satu pengukuran
kriteria.
Hasil uji coba menunjukkan bahwa metode tersebut berhasil
diimplementasikan pada sistem.

SIMULASI SISTEM PENGENALAN SELAPUT PELANGI PADA MATA MANUSIA BERBASIS NEURO FUZZY STRUKTUR MODIFIED ANFIS

Tugas akhir ini bertujuan untuk membuat suatu perangkat lunak yang mensimulasikan pengenalan selaput pelangi pada mata manusia atau juga disebut iris recognition. Pengenalan selaput pelangi ini digunakan untuk pengidentifikasian identitas seseorang. Metode yang digunakan pada simulasi pengenalan selaput pelangi ini adalah algoritma Modified Adaptive Neuro Fuzzy Inference System (ANFIS). Modified ANFIS dalam kerjanya mempergunakan algoritma belajar hibrida, yaitu menggabungkan metode Least-squares Estimator (LSE) dan Aturan Koreksi Kesalahan menggunakan Modified Error Back Propagation (EBP). Setelah melalui proses pengujian system dan percobaan, persentase tingkat keberhasilan pengenalan sebanyak 70%, ini membuktikan algoritma Modified ANFIS bisa diterapkan pada pengenalan selaput pelangi pada mata manusia.

RANCANG BANGUN PERANGKAT PENGENDALI PINTU AIR SUNGAI JAGIR DENGAN METODE FUZZY MENGGUNAKAN JARINGAN SENSOR NIRKABEL

Banjir adalah salah satu bencana musiman yang terjadi hampir di semua daerah khususnya daerah-daerah yang tata sungainya masih kurang baik. Ada banyak faktor yang dapat menyebabkan terjadinya banjir. Curah hujan yang tinggi, adanya kiriman aliran air yang melebihi kapasitas sungai dari daerah hulu, pengaruh pasang surut air laut dan lain-lain yang memicu terjadinya banjir. Untuk mencegah banjir, tentu menjadi suatu keharusan untuk mengendalikan faktor-faktor yang menyebabkannya itu. Dan salah satu faktor yang paling mudah untuk dikendalikan adalah yang berkaitan dengan aliran sungai yaitu pengedalian pintu air pada sungai. Oleh karena itu, penulis mencoba membuat sebuah rancang bangun sistem yang terdiri dari alat dan program yang dapat membantu mengontrol pintu-pintu air. Rancang bangun sistem ini diharapkan nantinya akan dapat mendeteksi kemungkinan terjadinya banjir sekaligus memberikan saran kepada operator pintu air mengenai setting tinggi pintu air yang optimal untuk meminimalisir banjir. Rancang bangun sistem ini terdiri dari dua komponen utama. Komponen yang pertama adalah berupa perangkat hardware yang memantau kondisi sungai. Perangkat hardware ini sendiri merupakan perangkat elektronik yang terdiri dari mikrokontroler, sensor ultrasonik, dan perangkat komunikasi wireless. Sedangkan komponen yang kedua adalah berupa desktop software yang akan mengambil data dari perangkat sensing, melakukan komputasi dan akan meng-output-kan setting ketinggian pintu air yang optimal untuk meminimalisir banjir. Dari penerapan sistem yang dibuat oleh penulis dapat di ketahui debit air perpintu dan debit keseluruhan, dan dari debit-debit yang di ketahui dapat di olah lagi sebagai keluaran berupa saran pada petugas untuk menentukan tinggi-rendahnya bukaan pintu air, sehingga kondisi hulu dan hilir dapat di kendalikan sesuai dengan set poin yang di tentukan.

SEGMENTASI CITRA IKAN TUNA DENGAN MAHALANOBIS HISTOGRAM THRESHOLDING DAN MAHALANOBIS FUZZY C-MEANS

segmentasi. Secara visual citra ikan tuna memiliki varian warna yang tinggi mulai
dari bagian biru gelap hingga biru terang atau putih. Jika citra ikan tuna dipetakan
ke dalam ruang fitur maka piksel yang menyusun area tubuh ikan tuna akan
membentuk kelompok piksel hyperellipsoid. Algoritma segmentasi Fuzzy C-Means
berbasis jarak Mahalanobis dapat digunakan untuk mensegmentasi citra yang
memiliki karakteristik tersebut. Namun inisialisasi derajat keanggotaan dan
centroid klaster secara random mengakibatkan proses pengklasteran piksel menjadi
tidak efisien dalam hal iterasi dan waktu komputasi.
Penelitian ini mengusulkan metode baru untuk segmentasi citra ikan tuna
dengan Mahalanobis Histogram Thresholding M-HT dan Mahalanobis Fuzzy CMeans
MFCM. Metode yang diusulkan terdiri atas tiga tahapan utama yaitu
Inisialisasi centroid untuk mendapatkan centroid awal tiap klaster pengklasteran
piksel untuk mengelompokkan piksel background dan objek dan peningkatan
akurasi untuk meningkatkan akurasi hasil pengklasteran piksel.
Berdasarkan hasil uji coba diperoleh rata-rata jumlah iterasi sebanyak 66
iterasi dengan waktu segmentasi rata-rata 16203 detik. Rata-rata Akurasi sebesar
9854 dengan tingkat Missclassification Error sebesar 146. Berdasarkan hasil
yang diperoleh maka dapat disimpulkan bahwa metode yang diusulkan dapat
meningkatkan efisiensi dalam hal jumlah iterasi dan waktu segmentasi. Selain itu
metode yang diusulkan dapat memberikan hasil segmentasi yang lebih akurat
dibandingkan dengan metode konvensional.

SEGMENTASI CITRA IKAN TUNA DENGAN MAHALANOBIS HISTOGRAM THRESHOLDING DAN MAHALANOBIS FUZZY C-MEANS

segmentasi. Secara visual citra ikan tuna memiliki varian warna yang tinggi mulai
dari bagian biru gelap hingga biru terang atau putih. Jika citra ikan tuna dipetakan
ke dalam ruang fitur maka piksel yang menyusun area tubuh ikan tuna akan
membentuk kelompok piksel hyperellipsoid. Algoritma segmentasi Fuzzy C-Means
berbasis jarak Mahalanobis dapat digunakan untuk mensegmentasi citra yang
memiliki karakteristik tersebut. Namun inisialisasi derajat keanggotaan dan
centroid klaster secara random mengakibatkan proses pengklasteran piksel menjadi
tidak efisien dalam hal iterasi dan waktu komputasi.
Penelitian ini mengusulkan metode baru untuk segmentasi citra ikan tuna
dengan Mahalanobis Histogram Thresholding M-HT dan Mahalanobis Fuzzy CMeans
MFCM. Metode yang diusulkan terdiri atas tiga tahapan utama yaitu
Inisialisasi centroid untuk mendapatkan centroid awal tiap klaster pengklasteran
piksel untuk mengelompokkan piksel background dan objek dan peningkatan
akurasi untuk meningkatkan akurasi hasil pengklasteran piksel.
Berdasarkan hasil uji coba diperoleh rata-rata jumlah iterasi sebanyak 66
iterasi dengan waktu segmentasi rata-rata 16203 detik. Rata-rata Akurasi sebesar
9854 dengan tingkat Missclassification Error sebesar 146. Berdasarkan hasil
yang diperoleh maka dapat disimpulkan bahwa metode yang diusulkan dapat
meningkatkan efisiensi dalam hal jumlah iterasi dan waktu segmentasi. Selain itu
metode yang diusulkan dapat memberikan hasil segmentasi yang lebih akurat
dibandingkan dengan metode konvensional.

RANCANG BANGUN APLIKASI PENELAIAN HASIL TERAPI ANAK AUTIS MENGGUNAKAN METODE LOGIKA FUZZY; STUDI: KASUS BADAN PENDIDIKAN DAN PELATIHAN SEKOLAH KHUSUS TANDUR CHILDHOON CENTER

Sekolah Khusus Tandur Childhood Centre merupakan salah satu sekolah luar biasa yang memberikan pendidikan dan pelatihan kepada anak-anak berkebutuhan khusus terutama anak autis. Dalam penilaian hasil terapi anak autis yang berlangsung selama ini dilakukan dengan cara konvensional, dimana pihak guru hanya memberikan laporan pada kepala sekolah dan pihak yayasan berdasarkan laporan siswa yang tersusun dalam buku besar. Selain itu, laporan-laporan tersebut hanya dibuat oleh pihak guru secara periode tertentu saja dan tidak terarsip dengan baik sehingga terjadi kehilangan. Hal ini menyebabkan tidak adanya tolak ukur perbedaan antara laporan saat ini dengan laporan sebelumnya. Artinya ,belum terdapat sistem yang dapat menyimpan data nilai secara terorganisir dan dapat melakukan pemantauan secara otomatis serta sistem yang dapat melakukan penilaian hasil terapi yang memiliki kemampuan untuk mengolah data / fakta yang bersifat kabur. Oleh karena itu, Sekolah Khusus Tandur Childhood Centre memerlukan pengolahan data agar setiap tahun ajarannya dapat menghasilkan peningkatan yang lebih baik. Untuk mengatasi permasalahan tersebut, maka dilakukan sebuah rancang bangun aplikasi penilaian hasil terapi anak autis, yang diharapkan memberikan informasi yang akurat, penilaian yang objektif, serta pengolahan data yang fleksibel dan konsisten. Tujuan dari pembuatan tugas akhir ini yaitu untuk memberikan kemudahan kepada user dalam membantu menyelesaikan tugasnya terutama di bidang penilaian hasil terapi, dengan pemanfaatan suatu program aplikasi java. Dalam pengembangan sistem ini, penulis menggunakan metodologi pengembangan sistem Rational Unified Process (RUP). Bahasa pemprogaman yang digunakan yaitu JAVA sebagai antar muka pengguna dan MySQL sebagai databasenya serta pemodelan visual menggunakan UML.

PEMBUATAN SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN CALON PELANGGAN BARU DENGAN METODE FUZZY C-MEANS

CV. Dwi Rejeki Abadi merupakan perusahaan yang bergerak di bidang pelayanan jasa impor barang. Barang yang diimpor sebenarnya sudah dipesan oleh perusahaan lain (pelanggan), jadi CV. Dwi Rejeki Abadi hanya tinggal melakukan proses impor barang, dan pengiriman barang ke pemilik barang. Keberhasilan CV. Dwi Rejeki Abadi sangat tergantung pada pelanggan. Semakin banyak perusahaan yang melakukan impor barang melalui CV. Dwi Rejeki Abadi, maka semakin besar pendapatan yang diperoleh. Agar mendapatkan keuntungan yang semakin besar harus bisa mencari perusahaan lain untuk menjadi pelanggan baru. Tidak semua perusahaan bisa diajak bekerjasama, tetapi hanya perusahaan-perusahaan yang mempunyai potensi memberi keuntungan pada CV. Dwi Rejeki Abadi. Setiap perusahaan mempunyai potensi yang berbeda, sehingga perlu adanya solusi agar CV. Dwi Rejeki Abadi dapat menentukan calon pelanggan baru dengan cara mengelompokkan calon pelanggan dan menentukan rioritas penawaran kerjasama. Fuzzy C-Means merupakan salah satu metode yang dapat digunakan untuk menyelesaikan masalah pengelompokan dan prioritas penawaran kerjasama. Data yang telah dimasukkan akan diolah oleh sitem menggunakan Fuzzy C-Means sehingga dapat menghasilkan output berupa pengelompokan dan prioritas atau urutan penawaran kerjasama pada perusahaan lain (calon pelanggan). Pengelompokan dan penentuan prioritas dengan metode Fuzzy C-Means lebih objektif, karena memanfaatkan data dari perusahaan lain untuk diolah sehingga tidak ada unsur perasaan manusia.

SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN MOBIL BEKAS MENGGUNAKAN METODE ANFIS DENGAN DUKUNGAN MOBILE APPLICATION

Semakin meningkatnya jumlah produksi mobil baru berdampak dengan melimpahnya jumlah mobil bekas di pasaran, terlebih dengan mahalnya harga mobil baru dan semakin tingginya harga bahan bakar minyak merupakan beberapa alasan utama konsumen untuk memilih mobil bekas. Kondisi seperti itu sangat membingungkan konsumen dalam memilih mobil bekas yang diinginkan. Berangkat dari permasalahan di atas diperlukan suatu sistem yang dapat memilih dan mengelompokkan kriteria-kriteria yang dipilih oleh konsumen. Neuro-Fuzzy struktur ANFIS dengan dukungan mobile application dapat dijadikan solusi menyelesaikan permasalahan yang ada dengan keakuratan yang lebih tinggi dari metode keputusan konvensional lainnya. Penerapan algoritma Neuro-Fuzzy dengan struktur ANFIS melakukan proses keputusan terhadap jenis mobil bekas yang dipilih melalui suatu mekanisme proses pembelajaran, sehingga hasil mobil bekas rekomendasi yang diberikan dapat membantu para konsumen dalam memilih mobil bekas secara cepat, tepat dan akurat.