SEMINAR NASIONAL TEKNOLOGI INFORMASI & APLIKASINYA2015

PROSIDING

PenyelenggaraPS. Teknik Informaka, Jurusan Ilmu KomputerFMIPA - Universitas UdayanaKampus Bukit Jimbaran, Badung BaliTelp. (0361) 701805hp://ww.cs.unud.ac.id

“INOVASI TEKNOLOGI INFORMASI DAN

TECHNOPRENEURSHIP” Bali, 23 Oktober 2015

KOMUNIKASI DALAM MENUNJANG

ISSN : 2302-450X

ISSN : 2302-450X

PROSIDING PERTEMUAN DAN PRESENTASI KARYA ILMIAH

BALI, 23 OKTOBER 2015

PEMBICARA UTAMA SEMINAR PANEL DENGAN TEMA “Inovasi Teknologi Informasi dan Komunikasi dalam

Menunjang Technopreneurship”

Ir.Onno Widodo Purbo.M.Eng.Ph.D

Putu Sudiarta, S.Kom

PENYUNTING AHLI Dr. Ahmad Ashari.M.Kom

Dr. H. Agus Zainal Arifin, S.Kom.,M.Kom

Agus Muliantara, S.Kom., M.Kom.

PELAKSANA SEMINAR

PELINDUNG

Rektor Universitas Udayana, Bali

PENANGGUNG JAWAB

Dekan Fakultas MIPA Universitas Udayana

Ketua Program Studi Teknik Informatika, FMIPA Universitas Udayana

PANITIA

I Gusti Agung Gede Arya Kadyanan,S.Kom.,M.Kom.

I Dewa Made Bayu Atmaja Darmawan,S.Kom.,M.Cs.

I Wayan Supriana,S.Si.,M.Cs.

Ida Bagus Made Mahendra, S.Kom., M.Kom.

I Komang Ari Mogi, S.Kom, M.Kom.

I Made Widi Wirawan, S.Si., M.Cs.

I Putu Gede Hendra Suputra, S.Kom., M.Kom.

Ngurah Agus Sanjaya ER., S.Kom., M.Kom.

Agus Muliantara, S.Kom.,M.Kom.

I Made Widiartha,S.Si., M.Kom.

Made Agung Raharja, S.Si., M.Cs.

I Gusti Ngurah Anom Cahyadi Putra, S.T., M.Cs.

I Gede Santi Astawa, S.T., M.Cs.

Ida Bagus Gede Dwidasmara,S.Kom.,M.Cs.

Dra. Luh Gede Astuti, M.Kom.

KATA PENGANTAR

Puji syukur kita panjatkan kehadirat Tuhan Yang Maha Esa, atas terselesainya

penyusunan Proceeding SNATIA 2015 ini. Buku ini memuat naskah hasil penelitian dari

berbagai bidang kajian yang telah direview oleh pakar dibidangnya dan telah

dipresentasikan dalam acara Seminar SNATIA tahun 2015 pada tanggal 23 Oktober 2015

di Universitas Udayana kampus Bukit Jimbaran, Badung, Bali.

Kegiatan SNATIA 2015 merupakan agenda tahunan Program Studi Teknik

Informatika, Jurusan Ilmu Komputer, Universitas Udayana. SNATIA 2015 mengambil

tema “Inovasi Teknologi Informasi dan Komunikasi dalam Menunjang

Technopreneurship”, dengan pembicara utama seminar yang terdiri dari pakar-pakar

peneliti dan Pemerhati dibidang Teknologi Informasi dan Technopreneurship.

Meskipun kegiatan seminar dan pendokumentasian naskah dalam proceeding ini telah

dipersiapkan dengan baik, namun kami menyadari masih banyak kekurangannya. Untuk itu

panitia mohon maaf yang sebesar-besarnya, dan juga mengucapkan terimakasih atas

kepercayaan dan kerjasamanya dalam kegiatan ini. Kritik dan saran perbaikan sangat

diharapkan untuk penyempurnaan di masa mendatang, yang dapat dikirimkan melalui e-

mail snatia.unud@gmil.com.

Kepada semua pihak yang terlibat, baik langsung maupun tidak langsung dalam

penyelenggaraan seminar, dan penyusunan proceeding SNATIA 2015, panitia

mengucapkan terima kasih.

Denpasar, 17 Oktober 2015

Panitia SNATIA 2015

DAFTAR ISI

Kata Pengantar

Daftar Isi

Analisis dan Perancangan Sistem Informasi Kehadiran Pegawai pada Pusat

Penelitian Perkembangan IPTEK Lembaga Ilmu Pengetahuan Indonesia

Warkim .............. ............................................................................................... 1

Kompresi Citra Medis dengan Wavelet Packet

I Made Ari Dwi Suta Atmaja .............................................................................. 11

Ekstraksi Fitur Warna dan Tekstur untuk Clustered-Based Retrival if Images

(CLUE)

Sugiartha I Gusti Rai Agung ............................................................................... 16

Peningkatan Kemampuan Guru dalam Menggunakan Geogebra sebagai

Media Pembelajaran Matematika SMP

Luh Putu Ida Harini ............................................................................................ 21

Perbandingan Model Pembelajaran Kooperatif Tipe Belajar Bersama

Menggunakan Media Google Drive dan Tanpa Google Drive

Desak Putu Eka Nilakusuma ............................................................................... 28

Analisa Faktor-Faktor yang Mempengaruhi Actual Usage dalam

Penggunaan Tiket Elektronik dengan Menggunakan Technology Acceptance

Model (TAM) Studi Kasus PT.KAI Commuter Jabodetabek

Enok Tuti Alawiah .............................................................................................. 35

Pemanfaatan Aplikasi Google Docs sebagai Media Pembinaan Karya Ilmiah

Remaja

Komang Dharmawan .......................................................................................... 45

Penerapan WAN dengan Protokol Routing RIP dan Passive Interfaces

sebagai Pemilihan Jalur Menggunakan GNS3

Anggarda Sanjaya ............................................................................................... 49

Perancangan dan Implementasi Sistem Informasi Maajemen Rumah Sakit

pada Unit Rawat Inap Studi Kasus Rumah Sakit Umum Famili Husada

I Dewa Ayu Kompyang Putri Utari .................................................................... 54

Perancangan dan Implementasi Sistem Informasi Manajemen Rumah Sakit

Umum Famili Husada pada Unit Poliklinik

I G.Ag.Sri Ag. Chandra Kusuma ........................................................................ 62

Mengukur Kinerja Load Balancing pada Sistem Cloud Computing dengan

Parameter Throughput

I Gusti Ngurah Ary Juliantara ............................................................................. 71

Perancangan dan Implementasi Sistem Informasi Manajemen Gudang pada

Rumah Sakit Famili Husada

Luh Gede Apryta Astaridewi .............................................................................. 77

Perancangan Website E-Commerce pada Toko Gadget Online Store

Ni Kadek Dwi Asri ............................................................................................. 85

Segmentasi Citra Tulisan Tangan Karakter Aksara Bali Menggunakan

Metode Profile Projection

Ni Wayan Deviyanti Septiari .............................................................................. 91

Klasifikasi Penyakit Anak pada Proses Retrieve dalam Sistem Pakar Berbasis

Case Based Reasoning (CBR) dengan Metode Nearest Neighbour

Ni Wayan Ririn Puspita Dewi ............................................................................ 98

Perancangan dan Implementasi Sistem Informasi Manajemen Instalasi

Gawat Darurat pada Rumah Sakit Famili Husada

Putu Ita Purnama Yanti ....................................................................................... 105

Analisis dan Perancangan Sistem Informasi Geografis Berbasis Web untuk

Mengetahui Ketersedian Air Tanah di Provinsi Bali

Made Dinda Pradnya Pramita ............................................................................. 112

Perancangan dan Implementasi Sistem Informasi Manajemen Rumah Sakit

pada Unit Radiologi – Studi Kasus Rumah Sakit Umum Famili Husada

I Putu Agustina .. ................................................................................................ 120

Pengamanan File Video MP4 dengan Metode Enkripsi Menggunakan

Algoritma RC5

Rahmantogusnyta Mariantisna ........................................................................... 128

Perancangan dan Implementasi Sistem Informasi Geografis Pariwisata di

Bali Berbasis Web

Deni Supriawan .. ................................................................................................ 133

16

EKTRAKSI FITUR WARNA DAN TEKSTUR UNTUK

CLUSTERED-BASED RETRIEVAL OF IMAGES (CLUE)

Sugiartha I Gusti Rai Agung 1, Sudarma Made 2, Oka Widyantara I Made2

1 STMIK STIKOM Bali

Jl. Raya Puputan No 86 Renon, Denpasar, Bali 2 Magister Teknik Elektro, Universitas Udayana

Jl. PB. Sudirman, Denpasar, Bali

Email: sugiarta@stikom-bali.ac.id1, msudarma@unud.ac.id

2, oka.widiantara@unud.ac.id

2

ABSTRAK

Gambar(citra) merupakan media yang digunakan untuk menyimpan data visual, sebagai contoh

gambar dua dimensi yang sering dipergunakan untuk menyimpan suatu kejadian. Tidak bisa dipungkiri

kebiasaan untuk menyimpan gambar pada media internet sangat pesat. Terdapat banyak konten gambar, video,

teks atau konten yang lainnya di jaringan Internet. Image Index dan temu citra kembali menjadi topik penelitian

dalam dekade terakhir ini dimana terkonsentrasi pada bagaimana cara mendapatkan makna dari sebuah

informasi yang terkandung dalam sebuah gambar. Tiga metode secara garis besar dalam pencarian sebuah

gambar, yaitu temu kembali gambar berbasis teks, temu kembali gambar berbasis konten, dan pengindeksan

gambar dengan tatanan bahasa. Penelitian ini berfokus pada penyiapan fitur dari sebuah gambar berdasarkan

warna dan tekstur. Fitur warna menggunakan nilai rata -rata Hue gambar, fitur tekstur menggunakan Gray

Level Occurance Matrix (GLCM). Teknik ektraksi warna dan tekstur menghasilkan 6 (enam) buah fitur yang

mampu digunakan sebagai fitur di proses Clustering gambar.

Kata Kunci: Ektraksi Fitur Warna, Ektraksi Fitur Tekstur, Gray Level Occurance Matrix, Clustered-Based

Retrieval of Images.

ABSTRACT

Picture (image) is a media that used for storing visual data, for example, two-dimensional images are

often used to store an incident. Images on the internet media growth very rapidly. There are a lot of image,

video, text or other content on the Internet. Image Index and image retrieval again become a topic of research in

the last decade in which concentrated on how to get the meaning of an information contained in an image. Three

methods outlined in the search for an image, the text-based image retrieval, content-based image retrieval and

indexing images in the order of language. This study focuses on the preparation of the features of an image

based on color and texture. Features colors using the average value of Hue image, texture features using Gray

Level occurance Matrix (GLCM). Color and texture extraction technique resulted in six (6) feature that can be

used as features in the process of Clustering.

Keywords: isi kata kunci, Times New Roman 10, Normal, kecuali untuk kata asing harus Italic.

1 PENDAHULUAN

Gambar(citra) merupakan media yang

digunakan untuk menyimpan data visual, sebagai

contoh gambar dua dimensi yang sering

dipergunakan untuk menyimpan suatu kejadian.

Gambar akan menyimpan data dan bisa dijadikan

sebuah informasi. Gambar akan dikumpulkan pada

sebuah tempat yang kemudian hari bisa diambil dan

dipergunakan. Tidak bisa dipungkiri kebiasaan untuk

menyimpan gambar pada media internet sangat pesat.

Terdapat banyak konten gambar, video, teks atau

konten yang lainnya di jaringan Internet. Ini

memberikan manfaat apabila ada pengguna yang

berkeinginan menggunakan sebuah gambar dengan

tema tertentu. Proses pencarian dan penjelajahan

sebuah gambar pada sekumpulan gambar yang

banyak tentu akan membutuhkan waktu yang sangat

lama. Image Index dan temu kembali gambar

menjadi topik penelitian dalam dekade terakhir ini

dimana terkonsentrasi pada bagaimana cara

mendapatkan makna dari sebuah informasi yang

terkandung dalam sebuah gambar. Secara garis besar

metode dalam pencarian gambar, yaitu temu kembali

gambar berbasis teks, temu kembali gambar berbasis

konten, dan pengindeksan gambar dengan tatanan

bahasa. Temu kembali gambar berbasis teks

merupakan pencarian gambar dengan format

permintaan biasa, dimana algoritmanya dibedakan

menjadi 2 (dua) yaitu berbasis teks dan metode

konten. Berbasis teks menggunakan kata kunci atau

Sugiartha I Gusti Rai Agung, Ektraksi Fitur Warna dan Tekstur untuk Clustered-Based Retrieval of Images (CLUE)

17

kata yang secara kontekstual terkandung dalam

gambar tersebut. Metode ini sudah digunakan oleh

Google Image dan Lycos Multimedia Search. Temu

kembali gambar berbasis konten merupakan

pencarian gambar dengan format pencarian

menggunakan nilai dari piksel warna, metode ini

dinamakan Content-Based Image Retrieval (CBIR).

CBIR merupakan teknik yang dipergunakan untuk

pencarian dan penjelajahan di kumpulan gambar

yang jumlahnya besar. Teknik yang digunakan dalam

CBIR adalah mengumpulkan, mengurutkan dan

memilah beberapa gambar berdasarkan kemiripan

fitur yang terdapat dalam sebuah gambar (Chen,

Yixin. 2005).

Skema CLUE (CLustered-based rEtrieval of

images) dengan menggunakan pembelajaran mesin

tanpa pengawasan (machine unsupervised learning)

dengan menggunakan metode clustering yang

berbasiskan dari kemiripan konten yang dijadikan

acuan pencarian oleh pengguna. Skema CLUE

memiliki 2 tahapan utama yaitu enrollment phase dan

image retrieval. Pada penelitian ini berfokus pada

Enrollment Phase, dimana tahapan ini merupakan

proses ekstraksi gambar, penentuan fitur yang akan

digunakan dalam proses clustering gambar

berikutnya.

2 MODEL, ANALISIS, DESAIN, DAN

IMPLEMENTASI

2.1 Sistematika Penelitian

Penelitian merupakan suatu investigasi yang

empiris, sistematis, terkontrol, dan kritis dari suatu

proposal hipotesis mengenai hubungan tertentu antar

fenomena. Penelitian disini bertujuan untuk

memberikan kontribusi terhadap ilmu pengetahuan

dalam memecahkan masalah dengan menggunakan

metode-metode yang sesuai. Alur analisis penelitian

dilakukan berdasarkan permasalahan yang akan

ditangani oleh sistem, dimana sistematika penelitian

yang digunakan pada penelitian ini sebagai berikut:

Studi Pustaka Pengumpulan DataPengembangan sistem

Image Retrieval

PengujianAnalisis dan Evaluasi

Hasil

Gambar 1. Sistematika Penelitian

2.2 Desain Umum Sistem

Sistem yang dibangun terlihat seperti pada

gambar 2. Kumpulan dari beberapa gambar, akan di

hitung masing-masing fitur warna dan fitur

teksturnya. Fitur yang sudah dibangkitkan akan

disimpan ke dalam simpanan data.

Pre- ProcessingTransformation

Feature Extraction

Collected DataImage Database

Image Feature Stored

Gambar 2. Gambaran Umum Sistem

2.3 Implementasi

Pada tahapan implementasi, penelitian

menggunakan ektraksi fitur warna dan fitur tekstur

untuk masing-masing gambar.

2.3.1 Fitur Warna

Pada proses ektraksi ciri warna diawali

dengan pengambilan warna RGB tiap pixel yang

kemudian dikonversi ke HSV. Warna masing-masing

piksel kemudian dikuantitasi menjadi 64

kemungkinan warna. Cara ini menghasilkan nilai H

berkisar antara 0 sampai dengan 3, S berkisar antara

0 sampai dengan 3, dan V berkisar antara 0 sampai

dengan 3. Kemudian melakukan proses normalisasi

sehingga menghasilkan histogram HSV.

Pengambilan nilai Hue dari suatu pixel warna

menggunakan rumus (Parker, 2011):

Cmax=max(R,G,B) (1)

Cmin=min(R,G,B) (2)

∆ = Cmax-Cmin (3)

Hue =

{

(

)

(

)

(

)

}

(3)

Fitur Warna= ∑ ∑

(4)

2.3.2 Fitur Tekstur

Ciri tekstur merupakan ciri penting dalam

sebuah gambar yang merupakan informasi berupa

susunan struktur permukaan suatu gambar. Dalam

penelitian ini menggunakan Gray Level oCcurance

Matrix (GLCM) sebagai matrik pengambilan nilai

keabuan dari sebuah gambar. Berikut merupakan

ISSN : 2302 – 450X

18

tahapan yang digunakan dalam pengambilan ciri

tekstur dari sebuah gambar.

1. Citra warna dirubah menjadi citra grayscale.

2. Segmentasi nilai warna ke dalam 16 bin.

3. Hitung nilai-nilai co-occurance matrix dalam

empat arah masing-masing 00, 45

0, 90

0, dan

1350

4. Hitung informasi ciri tekstur yaitu yaitu

contrast, correlation, energy, homogeneity, dan

entropy

5. Masing-masing matriks akan dihitung tekstur

citra yaitu : Contrast, Correlation, Energy,

Homogeneity, dan Entropy. Jeremiah (2007)

Contrast : ∑ [∑ ∑ ] (5)

Correlation : ∑ ( )

(6)

Energy : ∑ (7)

Homogeneity : ∑

(7)

Entropy : - ∑ (8)

dengan P(i,j) merupakan elemen baris ke-i, kolom ke-

j dari occurance matrix. adalah nilai rata-rata baris

ke-i dan adalah nilai rata-rata kolom ke-j pada

matrix P. adalah standar deviasi baris ke-i dan adalah standar deviasi kolom ke-j pada matriks P.

Contrast menunjukkan ukuran penyebaran

elemen-elemen matriks citra. Contrast akan

memberikan nilai maksimum apabila suatu gambar

grayscale memiliki penyebaran piksel warna yang

tinggi.

Correlation menunjukkan ukuran hubungan

linear dari nilai graylevel piksel ketetanggaan.

Energy menunjukkan tingkat keseragaman

piksel-piksel suatu citra. Semakin tinggi nilai energy,

maka semakin seragam teksturnya.

Homogenity menunjukkan ukuran kedekatan

setiap elemen dari co-occurrence matrix.

Entropy menunjukkan tingkat keacakan

piksel-piksel suatu citra. Semakin tinggi nilai

entropy, maka semakin acak teksturnya.

2.4 Instrumen Penelitian

Instrumen penelitian yang digunakan dalam

penelitian untuk mengolah, mengumpulkan,

menganalisa dan menyajikan data diantaranya:

1. Perangkat Lunak

a. Sistem Operasi Windows 8.1

b. Bahasa Pemrograman C#

c. Database SQL Server 2008

2. Perangkat Keras

a. Proc. Intel Core i3

b. RAM 4 GB

c. Hardisk 280 GB

d. VGA 1 GB

3 SKENARIO UJI COBA

Pengujian teknik ekstraksi fitur yang

diimplementasikan pada sistem image retrieval ini

memerlukan suatu data uji untuk mengetahui hasil

dan kinerja dari algoritma ini. Data uji yang

digunakan dalam kasus ini adalah berupa citra atau

gambar yang berwarna.

Citra uji yang digunakan pada penelitian ini

adalah Corel Photo Gallery yang diperoleh dai situs

sites.google.com/site/dctresearch/Home/content-

based-image-retrieval yang disediakan oleh Corel

Database, dimana situs ini menyediakan berbagai

macam citra uji yang khusus digunakan untuk sistem

image retrieval. Berbagai macam citra uji dengan

beragam variasi dan karakteristik tersebut dibungkus

kedalam sebuah dataset yang dapat diunduh secara

gratis. Dari sekian banyak kategori citra uji yang

tersedia, pada penelitian ini hanya digunakan lima

belas kategori citra uji yang sudah dipilih secara

acak. Contoh gambar yang digunakan pada penelitian

ini dapat dilihat pada gambar 3 berikut ini:

(a)

(b)

(c)

Gambar 3. Gambar Uji : kategori : (a) Anjing, (b)

Ballon, (c) Bunga

4 HASIL UJI COBA

Aplikasi yang dibangun untuk penyimpanan

data citra hasil dari clustering image untuk image

retrieval menggunakan bahasa pemrograman C# dan

Sugiartha I Gusti Rai Agung, Ektraksi Fitur Warna dan Tekstur untuk Clustered-Based Retrieval of Images (CLUE)

19

basis data SQL Server 2008 R2. Berikut merupakan

halaman utama dari aplikasi yang dibangun:

Gambar 4 Halaman Utama Aplikasi Image

Retrieval

Langkah berikutnya adalah memilih gambar latih

dengan memilih menu [Open Folder Image], gambar

5 menunjukkan dialog berkas yang muncul ketika

pengguna ingin memilih folder citra yang ingin

dijadikan citra latih.

Gambar 5 Folder Browser pemilihan citra

Apabila folder citra latih sudah dipilih, halaman citra

akan terlihat seperti terlihat pada gambar 6 berikut

ini:

Gambar 6 Halaman Tampilan Citra Latih

Sebelum data latih digunakan sebagai atribut dalam

proses clustering, diperlukan proses untuk

mengambil suatu ciri dalam suatu citra. Berikut

merupakan gambaran hasil dari ektraks i fitur tekstur

dari sebuah gambar.

Gambar 4 Halaman Ekstraksi Tekstur

5 KESIMPULAN

5.1 Simpulan

Tujuan utama dari penemuan gambar

adalah untuk menghapus kehilangan data dan

penggalian bermakna informasi kepada kebutuhan

manusia yang diharapkan. Di sini, kami telah

dilengkapi beberapa teknik, yang dapat diterapkan

untuk setiap sistem proposal baru di masa depan.

Dalam sistem ini, teknik baru yang disebut image

pengambilan dari cluster diperkenalkan untuk

mengurangi ruang waktu pencarian. Selain itu, RGB

komponen gambar warna diklasifikasikan dalam

dimensi yang berbeda dalam rangka menciptakan

Merah, Biru dan cluster gambar hijau. Texture

extraction menggunakan LGCM. Selanjutnya, semua

atribut digunakan dalam proses clustering.

5.2 Saran

Pengembangan lebih lanjut adalah

membangun sistem temu citra kembali dengan

menggabungkan sistem CBIR (Content Base Image

Retrieval), hasil citra kemudian di urutkan, hasil citra

ini kemudian lagi dilakukan proses clustering.

Metode untuk clustering bisa menggunakan

unsupervised machine learning seperti metode Self

Optimizing Map (SOM)

6 DAFTAR PUSTAKA

[1] Chen, Yixin. 2004. Machine Learning and

Statistical Modelling Approaches To Image

Retrieval.Kluwer Acedemic Publisher:Boston

[2] Ferguson, Jeremiah R. 2007. Using the Gray-

Level Co-Occurrence Matrix to Segment and

Classify Radar Imagery. Reno: University of

Nevada

[3] Han, J. & Kamber, M., 2006. Data Mining :

Concepts and Techniques . San Faransisco:

Morgan Kaufmann.

[4] He, Daan.2007.Applying the Extend Mass-

constraint EM algortihm to Image

Retrieval.Computer and Mathematics with

Applications

[5] Hearst, M. A. and Pedersen, J. O. (1996).

Reexamining The Cluster Hypothesis:

Scatter/Gather On Retrieval Results . In Proc.

of the 19th International ACM

ISSN : 2302 – 450X

20

SIGIRConference on Research and

Development in Information Retrieval

(SIGIR’96), pages 76–84

[6] Jain, A.K.1999. Data Clustering: A

Review.ACM Computing Survey, Vol 31, No 3.

Hal 264-323

[7] Jogiyanto, HM., 1989, Analisis & Disain

Sistem Informasi : Pendekatan Terstruktur,

Yogyakarta : Andi Offset.

[8] Laaksonen, Jorma.1999. Content Based Image

Retrieval using Self Organizing Maps . Visual

Information and Information Systems Lecture

Notes in Computer Science, Vol. 1614, Hal

541-549

[9] Madhulata, Soni. 2012. An Overview On

Clustering Methods . IOSR Journal of

Engineering, Vol2(4), Hal: 719-725

[10] Matsuyama,Yasuo.2007. Image-to-Image

Retrieval Using Computationally Learned

Bases dan Color Information.Proceedings of

International Joint Conference on Neural

Network

[11] Ma, Hao. 2010. Bridging the Semantic Gap

Between Image Contents and Tags . IEEE

Transaction on Multimedia

[12] Parker, J.R. 2011. Algorithms for Image

Processing and Computer Vision.

Indianapolis: Wiley Publishing, Inc

[13] Pao,H.T. 2008. An EM Based Multiple

Instance Learning Method for Image

Classification

[14] Raghavan, Vijay. 1989. A Critical

Investigation of Recaal and Precision as

Measures of Retireval System Performance.

ACM Transactions on Information Systems,

Vol.7, Hal 205-229

[15] Setiawan, Wawan & Munir, 2006. Pengantar

Teknologi Informasi : Basis Data. Bandung:

Universitas Pendidikan Indonesia.

[16] Vercellis, C., 2009. Business Intelligence :

Data Mining dan Optimization for Decision

Making. Chichester: John Wiley & Sons.

[17] Warsito, B. 2008. Clustering Data

Pencemaran Udara Sektor Industri di Jawa

Tengah dengan Kohonen Neural Network.

Jurnal PRESIPITASI, Vol. 4

[18] Zhang, L. 2003. Automated Annotation of

Human Faces in Family Albums . Prosiding

ACM International Conference on Multimedia