• Tidak ada hasil yang ditemukan

Identifikasi Jenis Kayu Tropis Menggunakan Backpropagation Neural Network

N/A
N/A
Protected

Academic year: 2017

Membagikan "Identifikasi Jenis Kayu Tropis Menggunakan Backpropagation Neural Network"

Copied!
3
0
0

Teks penuh

(1)

DAFTAR PUSTAKA

Ahmad, A. & Yusof, R. 2013. Clustering the tropical wood species using kohonen self-organizing map. Proceedings of 2nd International Conference on Advances in Computer Science and Engineering, pp. 16-19.

Atomi, W. H. 2012. The effect of data preprocessing on the performance of artificial neural networks techniques for classification problems. Tesis. University Tun Hussein Onn Malaysia.

Azizi, M.F.Q. 2013. Perbandingan antara metode backpropagation dengan metode

learning vector quantization (LVQ) pada pengenalan citra barcode. Skripsi. Universitas Negeri Semarang.

Bond, B. & Hamner, P. 2002. Wood Identification for Hardwood and Softwood Species Native to Tennessee. Agricultural Extension Service: Knoxville.

Darmawan, D. 2010. Pengenalan wajah dengan metode backpropagation menggunakan kamera CCTV inframerah. Skripsi. Universitas Indonesia.

Ferguson, J. R. 2007. Using the grey-level-co-occurrence matrix to segment and classify radar imagery. Tesis. University of Nevada.

Gadkari, D. 2004. Image quality analysis using GLCM. Tesis. University of Central Florida.

Gonzalez, R.C. & Woods, R.E. 2008. Digital Image Processing. Prentice Hall: New Jersey.

Gunawan, A.A.G.R., Nurdiati, S. & Arkeman, Y. 2011. Identifikasi jenis kayu menggunakan support vector machine berbasis data citra. Jurnal Ilmu Komputer Agri-Informatika 3(1): 1-8.

Hajek, M. 2005. Neural Networks. University of KwaZulu-Natal Press: Durban.

(2)

78

Hasmiati. 2013. Image smoothing dengan menggunakan metode lowpass filter. Skripsi. Universitas Islam Negeri Sultan Syarif Kasim Riau.

Kadir, A., Nugroho, L.E., Susanto, A. & Santosa, P.I. 2011. Neural network application on foliage plant identification. Int. J. of Computer Applications 29(9): 15-22.

Kadir, A. & Susanto, A. 2012. Teori dan Aplikasi Pengolahan Citra. Penerbit Andi: Yogyakarta.

Listia, R. & Harjoko, A. 2014. Klasifikasi massa pada citra mammogram berdasarkan grey level cooccurence matrix (GLCM). Indonesian Journal of Computing and Cybernetics Systems 8(1): 59-68.

Mandang, Y.L. & Pandit, I.K.N. 1997. Pedoman Identifikasi Jenis Kayu di Lapangan.

Seri Manual. PROSEA: Bogor.

Moeslund, T. B. 2012. Introduction to Video and Image Processing: Building Real Systems and Applications. Springer: London.

Mohan, S., K. Venkatachalaphaty, K. & Sudhakar, P. 2014. An intelligent recognition system for identification of wood species. Journal of Computer Science 10(7): 1231-1237.

Pathak, B. & Barooah, D. 2013. Texture analysis based on the gray level co-occurence matrix considering possible orientations. Int. J. of Advanced Research in Electrical, Electronics and Instrumentation Engineering 2(9): 4206-4212.

Priyani, D. R. E. 2009. Aplikasi diagnosa gangguan lambung melalui citra iris mata dengan syaraf tiruan propagasi balik. Skripsi. Universitas Pembangunan

Nasional “Veteran” Jakarta.

Purnamasari, R. W. 2013. Implementasi jaringan syaraf tiruan backpropagation sebagai sistem deteksi penyakit tuberculosis (TBC). Skripsi. Universitas Negeri Semarang.

Risaldi, M., Purwanto & Himawan, H. 2014. Klasifikasi kualitas kayu kelapa menggunakan algoritma neural network backpropagation. Jurnal Teknologi Informasi 10(1): 69-78.

(3)

79

Wicaksono, D. G. 2008. Perangkat lunak identifikasi nilai nominal dan keaslian uang kertas rupiah menggunakan jaringan syaraf tiruan backpropagation. Skripsi. Universitas Indonesia.

Zhou, H. & Wu, J. & Zhang, J. 2010. Digital Image Processing: Part I (1st edition). (Online) http://bookboon.com/en/digital-image-processing-part-one-ebook (Juli 2015).

Referensi

Dokumen terkait

pembagian data menjadi 2 yaitu data training dan data testing (3) menormalisasi data, (4) membangun model Feedforward neural network dengan algoritma Backpropagation ,

Algoritma Neural Network Backpropagation merupakan algoritma pembelajaran tersupervisi yang dapat melakukan learning terhadap inputan dan menghasilkan output berupa sebuah keputusan

Judul Penelitian : Identifikasi daun Shorea dengan Backpropagation Neural Network menggunakan ekstraksi fitur Discrete Wavelet Transform dan Ekstraksi Warna

Algoritma klasifikasi data mining dengan model algoritma Backpropagation Neural Network menunjukan bahwa model ini mempunyai tingkat akurasi yang baik serta dapat

Oleh karena itu, artikel ini menerapkan metode Backpropagation Neural Network (BPNN) untuk melakukan prediksi produksi minyak kelapa sawit (CPO) yang berasal dari perkebunan TBS

Keyword: Hypertensive retinopathy disease, fractal dimension, box counting, invariant moments, probabilistic neural network. Universitas

Sistem yang dirancang adalah sistem klasifikasi impervious surface menggunakan citra satelit Orbview dengan metode Neural Network Backpropagation.. Neural

Beberapa penelitian sebelumnya yang menggunakan backpropagation sebagai metode untuk melakukan peramalan, seperti Penerapan Model Neural Network Backpropagation untuk