Artikel Ilmiah AI

Artikel ini telah terbit pada Majalah Teknologi dan Energi , ISSN: 1411-7754, vol 5 no1 Januari 2005, hal. 29-41
Sistem Saraf Buatan dalam Model Prediksi ;
Tinjauan berbasis paradigma pembelajaran

Iriansyah BM S

Jurusan Teknik Informatika
Sekolah Tinggi Teknik PLN

ABSTRACT

Artificial Neural Network used in widely area of predictive models of artificial intelligence. ANN produced good predictive models for expert system, knowledge base system. It mostly using in economical estimations, investment purposes, real estate appraisal and lots of another prediction purposes for stick holders. They always face with problems how they take more alternate solutions in scale priority with investment reasons.
Predictive models represent how to make mostly good in output predictions. There is a lot approach were introduced to constitute the models. This papers only explain from Artificial Neural Network method in two learning paradigms ; Supervised and Unsupervised. Supervised method have continues or logistic results in values, another way in visualization using competitive learning algorithms.
Each paradigm produces good output model prediction in users view. Users (stick holders or investors, etc) can use one or all paradigms depends the case of problems.

Keywords : Artificial Neural Network, Predictive Model, Learning paradigms



Artikel ini telah terbit pada Majalah Teknologi dan Energi , ISSN: 1411-7754, vol 7 no1,2,3 Januari-Juli 2007, hal. 92-102
Konsep Teknik Pengidentifikasian Fitur Wajah dan Sidik Jari
Menggunakan Jaringan Saraf Tiruan Perceptron

Iriansyah BM Sangadji
Email : iriansyach_bms@yahoo.com

Abstraksi

Banyak konsep yang dikembangkan dalam bidang keamanan sistem komputer dengan maksud agar komputer memiliki kecerdasan untuk mengenali, menganalisa dan mentoleransi adanya kecacatan dalam pola-pola konkret. Pola-pola yang dimaksud termasuk dalam hubungan hak akses terhadap bagian tertentu dari sistem komputer. Pola alur sidik jari adalah salah satu pola yang dimaksud mengingat pola ini diambil dari ciri yang bersifat unik dari setiap individu dan relatif memiliki sifat tetap. Dari sekian banyak pola alur sidik jari pada tubuh manusia yang sering digunakan adalah alur sidik jari jari(sidik jari) dan ganglion retina (retina mata). Selain alur sidik jari, fitur wajah setiap orang memiliki ciri khas yang dapat menjadi ciri yang unik. Fitur yang diproses adalah jarak antara kedua mata, panjang penampang batang hidung dan jarak puncak hidung dan dahi.
Sistem jaringan saraf tiruan yang merupakan salah satu model kecerdasan buatan akan melakukan serangkaian proses pengidentifikasian pola-pola diatas.. Pengidentifikasian akan dijelaskan melalui proses pencitraan, pembalikan gambar, deteksi tepian, matriks dan pengenalan pola. Pemetaan fitur wajah dan sidik jari kedalam bentuk matriks mengunakan salah satu metode saja yaitu hubungan garis dari titik-titik terluar suatu matriks yang membentuk suatu polygon. Titik-titik terluar berdasarkan identifikasi posisi bifurcation yang merupakan salah satu tipe dari tipe-tipe alur sidik jari. Pada fitur wajah jarak diukur berdasarkan jumlah piksel yang membentuk garis lurus pada titik-titik yang ditentukan.
Hasil yang diharapkan akan berupa pengenalan pola fitur wajah dan sidik jari dengan nilai ambang toleransi yang ditentukan sebelumnya oleh user. Keluaran hanya berupa pola dikenali dan pola tidak dikenali.


Kata Kunci : Teknik Pengidentifikasian, Fitur Wajah, Sidik Jari, Perceptron, Jaringan Saraf Tiruan


Artikel ini telah terbit pada Jurnal BIT , ISSN: 1693-9166, vol2 no2 September 2005, hal. 30-40
Mengukur Kualitas Arsitektur Sistem Saraf Buatan Berbasis
Sejumlah Nilai Epoch

Iriansyah BM S

Email : iriansyach_bms@yahoo.com

Abstract

In Artificial Neural Network architecture concern to achievement good result was needed the effective connections between nodes and arrows. Effective means numbers of nodes, numbers of layers to constitute the good architecture. The good architecture means is less both of epoch and Mean square error (MSE) achievement. There is a lot of approach to constitute good architect of neural network such as ; cascade correlations, trial and error and pruning methods.
Its reasons about subtract and added both of nodes and layers. This paper will try to find significant correlations from both of architecture and numbers of epochs. Epoch means the happen of iterations to achieve convergence.
The result of is correlations from five neural networks architecture in supervised learning paradigm base to number process of iteration. It will be measured by statistically method of variance analytic (ANOVA).


Keywords : Architecture quality, Artificial Neural Network, Epoch Values


Artikel ini telah terbit pada Posiding SNTI 2007 ISSN: 1829-9156, vol 4 no1 Tahun 2007,B-14, hal 68-71

Pengenalan Pola Fitur Wajah
Berbasis Jaringan Saraf Tiruan Aturan Perceptron

Iriansyah BM Sangadji

Jurusan Teknik Informatika
Sekolah Tinggi Teknik PLN

ABSTRACT
In recently decades artificial neural networks (ANNs) widely used in artificial intelligence technique for many purposes. As pattern recognition it is the most important using in identification technique areas. Concrete and abstract identification things is widely often using neural network technique . One of artificial neural network model for concrete identification is using perceptron model. Perceptron input and output must in binary number at 0 and 1 matrix. The matrix is conversion from the origin image captured.
From many special pattern on human, this paper focused at human face feature in distance from both of eyes, peak of nose to middle dot of eyes and nose peak to middle dot of mouth. System will count the number pixel distances. It will be constitute in 1 x n matrix as input and desire value. It will be connected with Boolean logic operator combinations in n x m matrix.
The result of this paper will describe how the artificial neural network especially perceptron identification to recognize human face from the image.


Key words
Fitur Wajah, Jaringan Saraf Tiruan, Perceptron


Artikel dibawah ini telh terbit pada jurnal PETIR , ISSN: 1978-9262, vol1 no1 Januari 2008, hal. 20-24

PENGENALAN POLA TELAPAK TANGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN LOGIKA FUZZY
Iriansyah B.M. Sangaji Selly Karmila Ria Hartanti

Teknik Informatika Sekolah Tinggi Teknik PLN
Jl. Lingkar Luar Duri Kosambi Jak-Bar

ABSTRACT
Pengenalan pola telapak tangan merupakan proses untuk mengenali pola suatu telapak tangan berdasarkan karakteristik yang dimiliki. Karakterisitik yang akan dijadikan acuan untuk pengenalan adalah tiga datum points dan tiga garis utama telapak tangan, yaitu heart line, head line dan life line.
Penerapan metode Jaringan Syaraf Tiruan (JST) dan logika fuzzy pada pengenalan pola ini bertujuan membuat suatu metode pengenalan pola yang akurat dan fleksibel. Proses pelatihan yang ada pada JST, dalam hal ini jaringan perceptron, dapat memperkecil nilai error yang terjadi disebabkan perbedaan antara pola masukan dengan pola sebenarnya. Sedangkan metode logika fuzzy dapat mengambil keputusan dikenali atau tidaknya suatu telapak tangan dengan cara yang tidak kaku atau fleksibel. Ada nilai toleransi yang berlaku terhadap nilai error hasil proses sebelumnya hingga didapat presentase kecocokan dari telapak tangan.
Hasil pengujian metode pengenalan ini relatif akurat. Semua telapak tangan yang diuji coba dapat dikenali dengan presentase kecocokan rata-rata 93%.


Kata Kunci : Pengenalan Pola Telapak Tangan, Jaringan Syaraf Tiruan, Logika Fuzzy


Artikel dibawah ini telh terbit pada jurnal PETIR , ISSN: 1978-9262, vol1 no2 Juli 2008

PENGUKURAN PENGENALAN TULISAN TANGAN
MENGGUNAKAN PERCEPTRON DAN LOGIKA FUZZY

Iriansyah BM Sangadji, Meilia Nur Indah S

Jurusan Teknik Informatika STT – PLN
Menara PLN Jl Lingkar Luar Duri Kosambi Jakarta Barat
Email ; iriansyach_bms@yahoo.com , mnurindah@yahoo.com

ABSTRACT
Measurement of human handwriting patterns is being developed.. There is a lot of approaches and detections because complexity level of handwritten it self. Most problems is many characters variations depend on conditional environment and psychology of human. Artificial Neural Network models and fuzzy logic try to explain how this models works to do it.
There is two steps in handwriting pattern recognizing in this paper. First is train using artificial neural networks with single layer perceptron methods to determine level of handwritten recognize pattern. Responder patterns data must be transformation to matrix then it will be trained to produce of error matrix. Second step is using fuzzy logic to determine result training status, recognize or not recognize. Error percentage from error matrix is using as fuzzy logic variable. The results indicated matching percentage in range 80% - 100%.

Kata Kunci ; Perceptron, Tulisan tangan, Logika Fuzzy