• Tidak ada hasil yang ditemukan

Sistem Absensi Menggunakan Wajah Pada Jaringan Syaraf Tiruan Dengan Algoritma Learning Vector Quantization (LVQ)

N/A
N/A
Protected

Academic year: 2017

Membagikan "Sistem Absensi Menggunakan Wajah Pada Jaringan Syaraf Tiruan Dengan Algoritma Learning Vector Quantization (LVQ)"

Copied!
2
0
0

Teks penuh

(1)

59

DAFTAR PUSTAKA

Andri., 2012. Implementasi segmentasi citra dan algoritma learning vector quantization (LVQ) dalam pengenalan bentuk botol. Medan.

Fizhta,Aulia., 2015. Perbandingan Kecepatan Dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit

Leukemia. Universitas Sumatera Utara.

Ginting, Emnitra BR., 2013. Kombinasi Algoritma Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) Dan Self Organizing Kohonen Pada

Kecepatan Pengenalan Pola Tanda Tangan. Universitas Sumatera Utara.

Hagan, Martin T., Demuth,Howard B., Beale,Mark Hudson., Jesus, Orlando De 2014. Neural Network Design. Oklahoma State University.

He, Ran dkk., 2017. Learning structured ordinal measures for video based face recognition. Elsevier Ltd : Amsterdam, Netherlands

Kohonen, Teuvo dkk., A program package for the correct application of Learning Vector Quantization algorithms. Helsinki University of Technology Laboratory of Computer and Information Science Rakentajanaukio 2 C, SF-02150 Espoo, Finland.

Kohonen, Teuvo dkk., 1996. LVQ PAK: The Learning Vector Quantization Program Package. Finland.

Kumar, Gaurav dkk., 2016. Learning Vector Quantization Neural Network Based External Fault Diagnosis Model for Three Phase Induction Motor Using Current Signature Analysis. Cochin, India

Lin, Shang-Hung dkk., 1997. Face Recognition/Detection by Probabilistic Decision- Based Neural Network. IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 8, NO. 1

Mahrina, Tengku., 2014. ANALISIS PERBANDINGAN BACKPROPAGATION DENGAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK

MEMPREDIKSI CURAH HUJAN DI KOTA MEDAN. Universitas Sumatera Utara.

Kurniati, Yayang. 2015., Implementasi Metode Bidirectional Associative Memory Pada Absensi Berbasis Identifikasi Wajah (Studi Kasus : Mahasiswa Fasilkom- TI USU). Universitas Sumatera Utara.

(2)

60

Marzuki, Akhmad dkk., 2016. Classification of Humans State Emotion from Physological Signal Pattern using Pulse Sensor Based on Learning Vector Quantization. Surabaya, Indonesia.

Nugraha, Praditio Aditya dkk., 2013. Perbandingan Metode Probabilistik Naïve Bayesian Classifier dan Jaringan Syaraf Tiruan Learning Vector Quantization dalam Kasus Klasifikasi Penyakit Kandungan. Surakarta.

Risky Meliawati dkk., 2016. PENERAPAN METODE LEARNING VECTOR QUANTIZATION (LVQ) PADA PREDIKSI JURUSAN DI SMA PGRI 1 BANJARBARU. Banjarbaru, Kalimantan selatan

Safwandi. 2015., ANALISA SISTEM PENDETEKSIAN WARNA KULIT DAN WAJAH SENYUM DENGAN MENGUNAKAN METODE LEARNING VECTOR QUANTIZATION. FMIPA UNLAM. Universitas Sumatera Utara.

Sato, Atsushi & Keiji Yamada., Generalized Learning Vector Quantization. Kawasaki, Japan. Information Technology Research Laboratories, NEC Corporation.

Sharma, Abhilash and Gupta, Rajani., 2015. IRIS RECOGNITION BASED LEARNING VECTOR QUANTIZATION AND LOCAL BINARY PATTERNS ON IRIS MATCHING. Bhopal, Madhya Pradesh.

Siang, Jong Jek. 2009., Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta. CV. ANDI OFFSET

Soulie ,Francoise Fogelman & Viennet, Emmanuel., MULTI-MODULAR MEURAL NETWORK ARCHITECTURES : APPLICATIONS IN OPTICAL

CHARACTER AND HUMAN FACE RECOGNITION. Laboratoire de

Recherche en Informatique, Bat 490 Universite Paris Sud, 91405 Orsay Cedez, France.

Sutojo,T, S.Si., M.Kom., dkk. 2011. Kecerdasan Buatan. Yogyakarta, Semarang. CV.ANDI OFFSET, UDINUS.

Suyanto, S.T., M.Sc. 2007. Artificial Intelligence Searching, Reasoning, Planning dan Learning. Bandung. Informatika Bandung

Referensi

Dokumen terkait

Sedang k an algoritma learning vector Quantization (LVQ) merupa k an salah satu metode Jaringan Syaraf Tiruan yang dapat diguna k an untu k mengidentifi k asi suatu pola

Penerapan Algoritma Quickprop pada Jaringan Syaraf Tiruan untuk Mendeteksi Wajah Manusia, Institut Teknologi Sepuluh Nopember, Surabaya.. Komparasi Hasil Klasifikasi

Untuk menyelesaikan masalah pengenalan pola wajah dalam JST, akan digunakan Jaringan Syaraf Tiruan Learning Vector Quantization (JSTLVQ) sebagai solusi alternatif untuk

Learning Vector Quantization (LVQ) merupakan jaringan syaraf tiruan terawasi dengan arsitektur jaringan lapis-tunggal umpan-maju (Single Layer FeedForward). LVQ mampu

Apabila intensitas cahaya pada foto di proses pelatihan mirip dengan foto pada proses pengujian, maka foto akan dapat dikenali sesuai nama.Jika perbedaan intensitas cahaya

Suatu citra dikatakan sebagai Grayslace apabila sebuah citra tidak memiliki warna RGB atau dapat dikatakan sebuah citra yang memiliki nilai dari putih yang memiliki

Sistem Pendingin Ruangan Otomatis menggunakan Sensor PIR – CVAVR, Proteus Tugas Mata Kuliah Mikrokontroller.

Kesimpulan yang dapat diambil dari penelitian yang dilakukan dengan menggunakan algoritma Learning Vector Quantization (LVQ) pada Jaringan Syaraf Tiruan pada