<?xml version="1.0" encoding="UTF-8"?><rdf:RDF xmlns="http://purl.org/rss/1.0/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/">
<channel rdf:about="http://repository.ipb.ac.id/handle/123456789/29149">
<title>Jurnal Ilmu Komputer</title>
<link>http://repository.ipb.ac.id/handle/123456789/29149</link>
<description/>
<items>
<rdf:Seq>
<rdf:li rdf:resource="http://repository.ipb.ac.id/handle/123456789/75947"/>
<rdf:li rdf:resource="http://repository.ipb.ac.id/handle/123456789/45622"/>
<rdf:li rdf:resource="http://repository.ipb.ac.id/handle/123456789/45621"/>
<rdf:li rdf:resource="http://repository.ipb.ac.id/handle/123456789/45620"/>
</rdf:Seq>
</items>
<dc:date>2026-04-25T23:35:55Z</dc:date>
</channel>
<item rdf:about="http://repository.ipb.ac.id/handle/123456789/75947">
<title>Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem ldentifikasi Tumbuhan Obat Berbasis Citra</title>
<link>http://repository.ipb.ac.id/handle/123456789/75947</link>
<description>Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem ldentifikasi Tumbuhan Obat Berbasis Citra
Bisilisin, Franki Yusuf; Herdiyeni, Yeni; Silalahi, Bib Paruhum
Teknologi identifikasi pada penelitian ini diperlukan untuk mempercepat proses identifikasi spesies tumbuhan obat berupa data citra digital. Penelitian ini membangun sistem identifikasi tumbuhan obat menggunakan teknik clustering. Teknik clustering digunakan untuk mengelompokkan data citra sesuai dengan spesies tumbuhan obat. Penelitian ini bertujuan melakukan optimasi k-means clustering menggunakan metode particle swarm optimization (PSO). Metode PSO digunakan untuk mengatasi kelemahan pada metode clustering tradisional yaitu pemilihan pusat cluster awal dan solusi lokal. Proses ekstraksi fitur menggunakanfazzy local binary pattern (FLBP) untuk merepresentasikan tekstur dari citra. Implementasi program menggunakan bahasa pemrograman C++. Analisis clustering dilakukan untuk 30 spesies tumbuhan obat yang ada di Indonesia dengan jumlah 48 citra masing-masing spesies. Pengukuran kualitas clustering menggunakan nilai quantization error dan akurasi. Hasil yang diperoleh menunjukkan metode PSO mampu meningkatkan kinerja dari metode k-means clustering dalam proses identifikasi tumbuhan obat.
</description>
<dc:date>2014-01-01T00:00:00Z</dc:date>
</item>
<item rdf:about="http://repository.ipb.ac.id/handle/123456789/45622">
<title>Pengenalan kata berbahasa indonesia dengan hidden markov model (hmm) menggunakan algoritma baum-welch</title>
<link>http://repository.ipb.ac.id/handle/123456789/45622</link>
<description>Pengenalan kata berbahasa indonesia dengan hidden markov model (hmm) menggunakan algoritma baum-welch
Buono, Agus; Ramadhan, Arief; Ruvinna
</description>
<dc:date>2008-01-01T00:00:00Z</dc:date>
</item>
<item rdf:about="http://repository.ipb.ac.id/handle/123456789/45621">
<title>Sistem rekrutmen internal berbasis fuzzy</title>
<link>http://repository.ipb.ac.id/handle/123456789/45621</link>
<description>Sistem rekrutmen internal berbasis fuzzy
Suroso, Arif Imam; Muliahati, Rini
</description>
<dc:date>2005-01-01T00:00:00Z</dc:date>
</item>
<item rdf:about="http://repository.ipb.ac.id/handle/123456789/45620">
<title>Perbandingan metode jarak garis wajah dan tingkat keabuan wajah pada pengenalan wajah 3D</title>
<link>http://repository.ipb.ac.id/handle/123456789/45620</link>
<description>Perbandingan metode jarak garis wajah dan tingkat keabuan wajah pada pengenalan wajah 3D
Herdiyeni, Yeni; Kusumoputro, Benyamin
</description>
<dc:date>2005-01-01T00:00:00Z</dc:date>
</item>
</rdf:RDF>
