• Tidak ada hasil yang ditemukan

Analisis kinerja metode entropy dalam penentuan bobot awal learning vector quantization pada proses klasifikasi

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2017

Membagikan "Analisis kinerja metode entropy dalam penentuan bobot awal learning vector quantization pada proses klasifikasi"

Copied!
2
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 2 Halaman )

Teks penuh

(1)

DAFTAR PUSTAKA

Abbas, A.R. 2004. Entropy Methode for Adaptive Utility Elicitation. IEEE Transaction on System, Man, and Cybernetics34(2): 169-178.

Arida, A.L. 2016. Klasifikasi Genre Musik Menggunakan Learning Vector Quantization dan Self-Organizing Maps. Tesis. Universitas Gadjah Mada. Denis, E & Cornelia, E. 2005. Learnig Vector Quantization for Breast Cancer

Prediction. IEEE Artificial Intelligence EPIA Portuguese Conference. Doi : 10.1109/EPIA.2005.341290.

Fausset, L. 1994. Fundamentals of Neural Network : Architectures, Algorithms, and Applications. Prentice-Hall,Inc : New Jersey.

Ginting, E. 2015. Kombinasi Learning Vector Quantization dan Self-Organizing Kohonen pada Kecepatan Pengenalan Pola Tanda Tangan. Tesis. Universitas Sumatera Utara.

Haykin, S. 2008. Neural Networks : A Comprehensive Foundation. 2nd Edition. McMaster University : Ontario, Canada.

Itje, S.E & Hartati, S. 2011. Pengenalan Jenis Penyakit THT Menggunakan Jaringan

Learning Vector Quantization. Jurnal Seminar Riset Teknologi Informasi (SRITI)1(1).

Jamila. 2012. Sistem Pendukung Keputusan Pemilihan Subkontrak Produksi Sarung

Tangan Menggunakan Metode Entropy dan TOPSIS. Seminar Nasional Informatika UPN Yogyakarta. 1(2).

Ketaren, E. 2016. Modifikasi Jaringan Syaraf Tiruran Learning Vector Quantization

pada Pengenalan Wajah. Tesis. Universitas Sumatera Utara.

Kusumadewi, S. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Penerbit Graha Ilmu: Yogyakarta.

Maharani, D.W. & Irawan, A. 2012. Perbandingan Metode Jaringan Syaraf Tiruran

Backpropagation dan Learning Vector Quantization pada Pengenalan Wajah.

Jurnal Komputer dan Informatika (KOMPUTA)1(1).

Mahrina, T. 2015. Analisis Perbandingan Backpropagation dengan Learning Vector Quantization untuk Prediksi Curah Hujan. Tesis. Universitas Sumatera Utara.

(2)

39

Nurul C., Wiharto, & Umi S. (2012). Pengaruh Normalisasi Data pada Jaringan Syaraf

Tiruan Backpropation Gradient Descent Adaptive Gain (BPGDAG) untuk

Klasifikasi. JURNAL ITSMART. 2301-7201.

Safwandi. 2016. Analisis Sistem Pendeteksian Warna Kulit dan Wajah Senyum

dengan Menggunakan Learning Vector Quantization. Tesis. Universitas Sumatera Utara.

Sutojo, T., Mulayanto, E. & Vincent, S. 2010 . Kecerdasan Buatan.. Penerbit ANDI: Semarang.

Referensi

Unduh sekarang ( PDF - 2 Halaman - 149.76 KB )

Dokumen terkait

Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia

Masalah yang ada pada perancangan sistem ini adalah menentukan kecepatan dan ketepatan antara metode Learning Vector Quantization dan Kohonen dalam

IMPLEMENTASI METODE GABOR FILTER DAN METODE JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN POLA FRAKTUR TENGKORAK MANUSIA.

IMPLEMENTASI METODE GABOR FILTER DAN METODE JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION PADA SISTEM PENGENALAN POLA FRAKTUR TENGKORAK MANUSIA Universitas

Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia

Pada pengerjaan skripsi dengan judul Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia ini, penulis

Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan Kohonen Pada Identifikasi Penyakit Leukemia

Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi ― Perbandingan Kecepatan dan Ketepatan Antara Learning Vector Quantization Dan Kohonen

Identifikasi Awal Pengguna Narkoba Menggunakan Metode Learning Vector Quantization (LVQ)

Pengguna Narkoba Menggunakan Metode Learning Vector Quantization (LVQ) ” dapat diketahui bahwa parameter seperti learning rate , pengali learning rate , jumlah data

Analisis Accurate Learning Pada Learning Vector Quantization (LVQ) Menggunakan Algoritma Genetika Dalam Pengenalan Pola Alfanumerik

Judul Tesis : ANALISIS ACCURATE LEARNING PADA LEARNING VECTOR QUANTIZATION (LVQ) MENGGUNAKAN ALGORITMA GENETIKA DALAM PENGENALAN..

IMPLEMENTASI METODE LEARNING VECTOR QUANTIZATION UNTUK PENGENALAN HURUF ARAB

Berdasarkan permasalahan yang ada, penulis akan melakukan penelitian terhadap metode Learning Vector Quantization dalam mengenali pola tulisan Arab dan menentukan

SISTEM PENGENALAN POLA JENIS BUAH MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Metode Learning Vector Quantization yang digunakan dalam jaringan syaraf tiruan mampu mengenali setiap pola yang akan diuji jika pola tersebut memiliki kemiripan ciri dengan