<br />
<b>Warning</b>:  Creating default object from empty value in <b>/home/user/web/elibrary/lib/lang/php-gettext/gettext.inc</b> on line <b>148</b><br />
<br />
<b>Notice</b>:  Only variables should be passed by reference in <b>/home/user/web/elibrary/lib/lang/php-gettext/gettext.php</b> on line <b>66</b><br />
<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://senayan.diknas.go.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods ID="1078" version="3.3">
<titleInfo>
<title>Klasifikasi Time Series Menggunakan Gaussian Mixture Models Dari Ruang Fase Terekonstruksi</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Utari, Diyah</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Rully Soelaiman, S.Kom. M.Kom (Pembimbing 1)</namePart>
<role><roleTerm type="text">Additional Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Surabaya</placeTerm></place>
<publisher>Jurusan Sistem Informasi - ITS</publisher>
<dateIssued>2006</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Tugas Akhir</form>
<extent></extent>
</physicalDescription>
<note>Ruang Fase Terekonstruksi (RPS) merupakan matriks penyisipan waktu tunda, sehingga ruang yang dihasilkan ekuivalen secara topologi dengan sistem yang asli. RPS banyak digunakan untuk klasifikasi pola karena keampuhannya dalam menangkap informasi non linear.
Dalam tugas akhir ini diimplementasikan RPS pada pemodelan time series dengan memanfaatkan pembelajaran Gaussian Mixture Models (GMM) untuk menciptakan model non linear yang akurat. Metode ini terdiri dari tiga tahap utama, yaitu analisis data, pembelajaran GMM dan klasifikasi. Tahap analisis data meliputi perhitungan parameter RPS, yaitu waktu tunda dan dimensi. Tahap pembelajaran GMM memanfaatkan kedua parameter tersebut dan jumlah mixture untuk membangun Gaussian Mixture Models yang parameternya diestimasi menggunakan algoritma Expectation Maximization(EM). Tahap klasifikasi dilakukan untuk menentukan akurasi dari model yang telah dibangun.
</note>
<classification>021/2006</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Ruang Baca Jurusan Sistem Informasi Institut Teknologi Sepuluh Nopember</physicalLocation>
<shelfLocator>021/2006</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">TA 021/2006</numerationAndChronology>
<sublocation>My Library (Rak Tugas Akhir)</sublocation>
<shelfLocator>021/2006</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>1078</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2012-04-26 16:05:23</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2012-04-30 09:49:10</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>