Langkah Demi Langkah Pemrograman Aplikasi Dengan Gui Python

DOWNLOAD
READ

Download Langkah Demi Langkah Pemrograman Aplikasi Dengan Gui Python PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Langkah Demi Langkah Pemrograman Aplikasi Dengan Gui Python book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages. If the content not found or just blank you must refresh this page

Langkah Demi Langkah Pemrograman Aplikasi Dengan Gui Python

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: SPARTA PUBLISHING
Release Date : 2019-05-24

Langkah Demi Langkah Pemrograman Aplikasi Dengan Gui Python written by Vivian Siahaan and has been published by SPARTA PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2019-05-24 with Computers categories.

Dalam Python, Anda dapat menggunakan modul tkinter untuk menciptakan program-program GUI sederhana. Python tidak memiliki fitur-fitur pemrograman GUI yang inheren di dalamnya. Namun, ia memiliki sebuah modul dengan nama tkinter yang dapat dipakai untuk menciptakan program-program GUI sederhana. Nama “tkinter” merupakan singkatan dari “Tk Interface”, yang dinamai seperti itu karena memberikan cara bagi programer Python untuk menggunakan sebuah pustaka GUI dengan nama Tk. Banyak bahasa pemrograman lain yang juga menggunakan pustaka Tk. Buku ini merupakan buku pemrograman GUI menggunakan Python yang difokuskan untuk pembelajaran efektif, dengan merancang sendiri empat aplikasi GUI terapan: Editor Teks Kompleks, E-Drum, Game Catur, dan Paint. Dengan memiliki sedikit pengetahuan pemrograman Python, buku ini dirancang untuk pembelajar mandiri, mahasiswa, insinyur, dan bahkan peneliti dalam berbagai displin ilmu. Pada Bab 1, Anda akan belajar: Bagaimana menggunakan modul tkinter; Bagaimana menciptakan jendela kosong; Bagaimana menggunakan widget Label; Bagaimana menggunakan widget Button; Bagaimana menggunakan widget Frame. Pada Bab 2, Anda akan membangun sebuah editor teks yang memiliki sejumlah fitur. Aplikasi ini diberi nama Editor Teks. Fitur-fitur yang tercakup pada editor teks ini: Menciptakan dokumen baru, membuka dan mengedit dokumen yang telah ada, dan menyimpan dokumen; Mengimplementasikan opsi-opsi pengeditan seperti cut, copy, paste, undo, dan redo; Melakukan pencarian pada sebuah file untuk suku pencarian tertentu; Mengimplementasikan penomoran baris dan kemampuan untuk menampilkan/menyembunyikan nomor baris; Mengimplementasikan seleksi tema agar user dapat memilih tema warna untuk editor; Mengimplementasikan jendela about dan help. Pada Bab 3, Anda akan mengekspansi pengalaman dengan Tkinter untuk membuat aplikasi musik. Anda akan membangun sebuah GUI E-DRUM lintas-platform menggunakan Tkinter dan sejumlah modul Python lain. Berikut adalah sejumlah tujuan kunci pada bab ini: Belajar menstrukturisasi program-program Tkinter dalam gaya pemrograman berorientasi-objek; Mempelajari lebih dalam widget-widget Tkinter seperti Spinbox, Button, Entry, dan Checkbutton; Menerapkan manajer geometri grid pada projek praktis; Memahami pentingnya pemilihan struktur data yang tepat dalam program; Belajar mengikat fungsi-fungsi callback orde-tinggi pada widget; Belajar menggunakan Tkinter dalam kaitannya dengan modul standar dan modul pihak ketiga; Memahami kebutuhan multithreading dan bagaimana menuliskan aplikasi multithread; Belajar tentang serialisasi objek; Memahami tentang widget-widget ttk. Pada Bab 4, Anda akan membangun game catur dengan Tkinter. Jika Anda telah mengetahui dasar-dasar aturan catur, artinya Anda telah siap menulis program ini. Namun, jika Anda belum mengetahuinya, Anda perlu membacanya sebelum mulai memprogram aplikasi ini. Berikut adalah sejumlah tujuan kunci pada bab ini: Belajar bagaimana menstrukturisasi sebuah program dalam arsitektur Model-View-Controller (MVC); Belajar bagaimana mengatasi kompleksitas dengan mengimplementasikan program dalam sebuah struktur modular; Mempelajari kekuatan dari widget Canvas dari Tkinter; Belajar penggunaan dasar dari koordinat, ID objek, dan tag dari Canvas; Belajar penanganan error yang direkomendasikan; Belajar bagaimana mengekspansi tipe-tipe data built-in pada Python; Menggunakan pewarisan objek untuk menuliskan kelas-kelas dengan atribut-atribut dan watak yang sama; Menggunakan modul pustaka Python configparser untuk menyimpan preferensi-preferensi program; Mengenal sejumlah modul Python yang sering digunakan pada sejumlah aplikasi. Pada Bab 5, selain mengeksplorasi widget Canvas, Anda juga akan mengembangkan sebuah framework GUI kecil yang ada di atas antarmuka Tkinter. Seperti yang nanti Anda lihat, framework merupakan salah satu cara terbaik untuk memaksimalkan pendaur-ulangan kode. Framework merupakan salah satu perangkat untuk RAD (Rapid Application Development). Di sini, Anda akan: Mendalami API (Application Program Interface) untuk widget Canvas; Belajar membangun dan menggunakan framework GUI untuk memaksimalkan pendaur-ulangan kode dan RAD; Belajar menggunakan modul colorchooser dari Tkinter; Belajar menggunakan widget ComboBox; Mengenal metode-metode widget yang disediakan. Akhir kata, semoga apa yang disuguhkan pada buku ini menjadi bermanfaat bagi keahlian pembaca dalam menciptakan dan menerapkan GUI Python. TERIMAKASIH.

Six Books In One Pemrograman Python Gui Aplikasi Dan Database

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: SPARTA PUBLISHING
Release Date : 2020-02-04

Six Books In One Pemrograman Python Gui Aplikasi Dan Database written by Vivian Siahaan and has been published by SPARTA PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2020-02-04 with Computers categories.

Buku 1: Teori dan Praktek Pemrograman Python Buku 2: Pemrograman GUI Python: Menciptakan Sendiri Aplikasi Buku 3: Menciptakan Dari Nol Sistem Manajemen Database Sekolah Dengan Pyhon/MySQL Buku 4: Pemrograman GUI Python Dan Database: Widget, PyQt, SQLite, MySQL, dan Grafika Buku 5: Langkah Demi Langkah Pemrograman Database Dengan Python dan PostgreSQL Buku 6: Langkah Demi Langkah Membangun Sistem Manajemen Database Dengan Python/MySQL

Langkah Demi Langkah Pemrograman Database Sqlite Dan Mysql Dengan Gui Python

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: SPARTA PUBLISIHING
Release Date : 2019-05-24

Langkah Demi Langkah Pemrograman Database Sqlite Dan Mysql Dengan Gui Python written by Vivian Siahaan and has been published by SPARTA PUBLISIHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2019-05-24 with Computers categories.

Pada buku ini, Anda akan mempelajari sejumlah projek pemrograman GUI menggunakan Python dengan cakupan pembahasan mulai widget PyQt, database, sampai grafika. Pada bab pertama, Anda akan belajar untuk menggunakan beberapa widget: Menampilkan pesan selamat datang; Menggunakan widget Radio Button; Mengelompokkan tombol-tombol radio; Menampilkan opsi-opsi dalam bentuk kotak periksa; dan Menampilkan dua grup kotak periksa. Pada bab dua, Anda akan belajar untuk menggunakan beberapa topik berikut: Menggunakan Signal/Slot Editor; Menyalin dan menempatkan teks dari satu widget Line Edit ke yang lain; Mengkonversi tipe data dan membuat kalkulator sederhana; Menggunakan widget Spin Box; Menggunakan scrollbar dan slider; Menggunakan List Widget; Memilih sejumlah item list dari satu List Widget dan menampilkannya pada widget List Widget lain; Menambahkan item-item ke dalam List Widget; Melakukan operasi-operasi pada List Widget; Menggunakan widget Combo Box; Menggunakan widget Font Combo Box; dan Menggunakan widget Progress Bar. Pada bab tiga, Anda akan merangkum topic-topik berikut: Menampilkan dijit-dijit LCD; Menampilkan waktu sistem dalam dijit-dijit LCD; Menampilkan data yang diseleksi user dari Calendar Widget; Menciptakan sebuah aplikasi reservasi hotel; dan Menampilkan data tabular menggunakan Table Widget. Pada bab empat, Anda akan mempelajari topik-topik berikut: Pemrograman berorientasi-objek; Menggunakan kelas pada GUI; Menggunakan pewarisan tunggal; Menggunakan pewarisan level jamak; dan Menggunakan pewarisan jamak. Pada bab lima, Anda akan belajar bagaimana menggunakan beberapa jenis dialog berikut: Kotak dialog masukan; Menggunakan dialog masukan; Menggunakan dialog warna; Menggunakan dialog warna; dan Menggunakan dialog file. Pada bab enam, Anda akan mempelajari database SQLite. Penanganan database berperan sangat penting pada setiap aplikasi karena data perlu disimpan untuk kebutuhan selanjutnya. Anda perlu menyimpan informasi konsumen, informasi user, informasi produk, informasi pesanan, dan seterusnya. Pada bab ini, Anda akan belajar setiap pekerjaan yang berkaitan dengan penanganan database: Menciptakan database; Menciptakan tabel database; Menyisipkan baris pada tabel database; Menampilkan baris data pada tabel database; Menavigasi baris-baris pada tabel database; Melakukan pencarian informasi tertentu pada tabel database; Menciptakan sebuah form sign-in yang menerapkan prosedur otentikasi; Memperbarui isi database, dengan mengubah password user; dan Menghapus baris data dari tabel database. Pada bab tujuh, Anda akan mempelajari penanganan database MySQL juga berperan sangat penting pada setiap aplikasi karena data perlu disimpan untuk kebutuhan selanjutnya. Anda bisa memanfaatkannya menyimpan informasi konsumen, informasi user, informasi produk, informasi pesanan, dan seterusnya. Pada bab ini, Anda akan belajar setiap pekerjaan yang berkaitan dengan penanganan database MySQL: Menciptakan database dengan Python; Menciptakan tabel database dengan Python; Menyisipkan baris pada tabel database dengan Python; Menampilkan baris data pada tabel database dengan Python; Menavigasi baris-baris pada tabel database dengan Python; Melakukan pencarian informasi tertentu pada tabel database dengan Python; Menghapus baris data dari tabel database dengan Python; Menghapus tabel database dengan Python; Memperbarui tabel database dengan Python; dan Menggabungkan dua atau lebih tabel database dengan Python Pada bab delapan, Anda akan mempelajari perihal grafika dalam Python. Pada setiap aplikasi, grafika berperan penting dalam membuat GUI menjadi ramah pengguna. Grafika membuat konsep menjadi lebih mudah dipahami. Pada bab ini, Anda akan belajar: Menampilkan koordinat mouse; Menampilkan koordinat dimana tombol mouse diklik dan dilepaskan; Menampilkan sebuah titik dimana tombol mouse diklik; Menggambar sebuah garis di antara dua klik mouse; Menggambar garis dengan jenis berbeda; Menggambar lingkaran dengan ukuran berbeda; Menggambar rektangular antara dua klik mouse; Menggambar teks dengan font dan ukuran berbeda; Menciptakan sebuah toolbar yang menunjukkan sejumlah perangkat grafika berbeda; Menggambar garis menggunakan Matplotlib; dan Menggambar grafik batang menggunakan Matplotlib.

Langkah Demi Langkah Pemrograman Database Dengan Python Postgresql

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: SPARTA PUBLISHING
Release Date : 2019-06-30

Langkah Demi Langkah Pemrograman Database Dengan Python Postgresql written by Vivian Siahaan and has been published by SPARTA PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2019-06-30 with Computers categories.

Buku ini merupakan versi Python/PostgreSQL dari buku Python/MySQL yang telah sebelumnya telah ditulis oleh penulis. Apa yang mendasari ditulisnya buku ini adalah semakin populernya server database PostgreSQL belakangan ini dan semakin banyak programmer yang berimigrasi dari MySQL ke PostgreSQL. Pada buku ini, Anda akan mempelajari membangun projek database sekolah, langkah demi langkah. Sejumlah widget dari PyQt akan digunakan untuk antarmuka user. Pada bab pertama, Anda akan mempelajari sejumlah konsep dan penggunaan dari operator dan klausa dalam PostgreSQL. Selain bereksperimen dalam skrip PostgreSQL, Anda juga akan diajari bagaimana menerapkannya dalam skrip Python. Pada bab kedua, Anda akan mempelajari: Menciptakan projek tiga tabel awal pada database sekolah: tabel Guru, tabel Kelas, dan tabel MatPel; Menciptakan file konfigurasi database; Menciptakan GUI Python untuk melihat dan menavigasi isi tiap tabel. Menciptakan GUI Python untuk menyisipkan dan mengedit tabel; dan Menciptakan GUI Python untuk menggabungkan dan melakukan query atas ketiga tabel tersebut. Pada bab ketiga, Anda akan mempelajari: Menciptakan form utama untuk menghubungkan semua form; Menciptakan projek akan menambahkan tiga tabel lagi pada database sekolah: tabel Siswa, tabel Ortu, dan tabel UangSekolah; Menciptakan GUI Python untuk melihat dan menavigasi isi tiap tabel; Menciptakan GUI Python untuk mengedit, menyisipkan, dan menghapus rekaman pada tiap tabel; Menciptakan GUI Python untuk menggabungkan dan melakukan query atas ketiga tabel dan keenam tersebut. Pada bab keempat, Anda akan mempelajari: Menciptakan projek akan menambahkan dua tabel terakhir pada database sekolah: tabel Nilai dan tabel Ujian; Menciptakan GUI Python untuk mengedit, menyisipkan, dan menghapus rekaman pada tiap tabel. Menciptakan GUI Python untuk menggabungkan dan melakukan query atas kedelapan tabel yang ada. Akhir kata, diharapkan buku ini berguna dan bisa meningkatkan keahlian pemrograman database bagi programmer Python.

Matlab Gui Koleksi Enam Kasus

DOWNLOAD
READ
Author : Rismon Hasiholan Sianipar
language : id
Publisher: SPARTA PUBLISHING
Release Date : 2020-02-20

Matlab Gui Koleksi Enam Kasus written by Rismon Hasiholan Sianipar and has been published by SPARTA PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2020-02-20 with Computers categories.

Kasus 1: MATLAB GUI Untuk Mendeteksi Tepi Citra Menggunakan Sejumlah Metode Morfologi Kasus 2: MATLAB GUI Teknik Denoising Adaptif Berbasis Transformasi Wavelet Diskret Kasus 3: MATLAB GUI Untuk Merestorasi Citra Warna dan Citra Keabuan Menggunakan Tapis Inverse, Tapis Wiener, Dekonvolusi Buta, dan Algoritma Lucy-Richardson Kasus 4: MATLAB GUI Untuk Penapisan Citra Berwarna dan Citra Keabuan Menggunakan Tapis Chebyshev 2D Kasus 5: MATLAB GUI Untuk Penapisan Citra Berwarna dan Citra Keabuan Menggunakan Tapis Butterworth 2D Kasus 6: GUI MATLAB Untuk Pembesaran Citra Digital Menggunakan Metode NearestNeighbour dan Interpolasi Bilinear

Matlab Gui Untuk Pemrosesan Citra Digital

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: SPARTA PUBLISHING
Release Date : 2020-02-16

Matlab Gui Untuk Pemrosesan Citra Digital written by Vivian Siahaan and has been published by SPARTA PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2020-02-16 with Computers categories.

Kasus 1: Seri Belajar Sendiri MATLAB GUI Untuk Penapisan Citra Berwarna dan Citra Keabuan Menggunakan Tapis Butterworth 2D Pada kasus ini, Anda akan merancang sendiri, langkah demi langkah, GUI MATLAB untuk melakukan penapisan Butterworth atas citra berwarn maupun citra keabuan. Keempat pita frekuensi: lowpass, bandpass, highpass, dan bandstop akan digunakan untuk mendemonstrasikan proses penapissan. Beberapa kontrol GUI MATLAB yang digunakan seperti Axes, Table, Push Button, Radio Button, Edit Text, Static Text, dan Panel. Hasil penapisan Butterworth kemudian akan ditampilkan secara visual dan kinerjanya, menggunakan tujuh parameter kinerja, akan ditampilkan pada grafik batang. Naskah ini berguna bukan saja bagi programmer pemula tetapi juga bagi mahasiswa dan pengajar yang ingin mengembangkan penelitian pada bidang pemrosesan citra digital. Di akhir naskah, keseluruhan kode sumber dicantumkan sebagai bahan dokumentasi dan referensi. Pembaca dapat mengembangkannya untuk kebutuhan kepentingan praktis maupun kepentingan penelitian. Kasus 2: Belajar Sendiri MATLAB GUI Untuk Pembesaran Citra Digital Menggunakan Metode Nearest-Neighbour dan Interpolasi Bilinear Pada kasus ini, Anda akan merancang sendiri, langkah demi langkah, GUI MATLAB untuk melakukan pembesaran citra (image zooming) menggunakan metode pembesaran Nearest-Neighbour dan metode pembesaran interpolasi Bilinear. Beberapa kontrol GUI MATLAB yang digunakan seperti Axes, Push Button, Edit Text, Static Text, dan Panel. Hasil pembesaran berbasis kedua metode ini akan ditampilkan secara visual dan kinerjanya, menggunakan parameter MSE, akan ditampilkan pada grafik batang. Naskah ini berguna bukan saja bagi programmer pemula tetapi juga bagi mahasiswa dan pengajar yang ingin mengembangkan penelitian pada bidang pemrosesan citra digital. Di akhir naskah, keseluruhan kode sumber dicantumkan sebagai bahan dokumentasi dan referensi. Pembaca dapat mengembangkannya untuk kebutuhan kepentingan praktis maupun kepentingan penelitian. Kasus 3: Belajar Sendiri MATLAB GUI Untuk Penapisan Citra Berwarna dan Citra Keabuan Menggunakan Tapis Chebyshev 2D Pada buku ini, Anda akan merancang sendiri, langkah demi langkah, GUI MATLAB untuk melakukan penapisan Chebyshev atas citra berwarn maupun citra keabuan. Keempat pita frekuensi: lowpass, bandpass, highpass, dan bandstop akan digunakan untuk mendemonstrasikan proses penapissan. Beberapa kontrol GUI MATLAB yang digunakan seperti Axes, Table, Push Button, Radio Button, Edit Text, Static Text, dan Panel. Hasil penapisan Chebyshev kemudian akan ditampilkan secara visual dan kinerjanya, menggunakan tujuh parameter kinerja, akan ditampilkan pada grafik batang. Naskah ini berguna bukan saja bagi programmer pemula tetapi juga bagi mahasiswa dan pengajar yang ingin mengembangkan penelitian pada bidang pemrosesan citra digital. Di akhir naskah, keseluruhan kode sumber dicantumkan sebagai bahan dokumentasi dan referensi. Pembaca dapat mengembangkannya untuk kebutuhan kepentingan praktis maupun kepentingan penelitian.

The Secrets Of Image Fusion Dengan Matlab Gui

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: BALIGE PUBLISHING
Release Date : 2020-02-17

The Secrets Of Image Fusion Dengan Matlab Gui written by Vivian Siahaan and has been published by BALIGE PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2020-02-17 with Computers categories.

Kasus 1: IMAGE FUSION DENGAN MATLAB GUI Menggunakan Transformasi Wavelet Diskret Kompleks Dual-Tree Pada kasus ini, Anda akan merancang sendiri, secara bertahap, GUI MATLAB untuk melakukan operasi fusi citra terhadap citra keabuan dan citra berwarna menggunakan metode transformasi wavelet diskret dual-tree. Ada empat jenis derau yang dipakai: Gaussin, Poisson, Salt & Pepper, dan Speckle. Beberapa kontrol GUI MATLAB yang digunakan seperti Axes, Listbox, Table, Push Button, Edit Text, Static Text, dan Panel. Hasil fusi citra (image fusion) kemudian akan ditampilkan secara visual dan enam parameter kinerja: RMSE, PFE, MAE, CORR, SNR, PSNR, akan ditampilkan pada grafik batang. Kasus 2: IMAGE FUSION DENGAN MATLAB GUI Menggunakan Transformasi Wavelet Diskret Stasioner Satu Level dan Dua Level Pada kasus ini, Anda akan merancang sendiri, secara bertahap, GUI MATLAB untuk melakukan operasi fusi citra terhadap citra keabuan dan citra berwarna menggunakan metode Transformasi Wavelet Diskret Stasioner Satu level dan Dua level. Ada empat jenis derau yang dipakai: Gaussin, Poisson, Salt & Pepper, dan Speckle. Beberapa kontrol GUI MATLAB yang digunakan seperti Axes, Listbox, Table, Push Button, Edit Text, Static Text, dan Panel. Hasil fusi citra (image fusion) kemudian akan ditampilkan secara visual dan enam parameter kinerja: RMSE, PFE, MAE, CORR, SNR, PSNR, akan ditampilkan pada grafik batang. Kasus 3: IMAGE FUSION DENGAN MATLAB GUI Menggunakan Metode Dekomposisi Nilai Singular Resolusi Jamak (MSVD, Multi-Resolution Singular Value Decomposition) Buku ini diperuntukkan bagi mereka yang suka keahlian praktis sekaligus mendapatkan keuntungan pengetahuan. Dengan tidak bertele-tele, pada buku ini, Anda akan merancang sendiri, secara bertahap, GUI MATLAB untuk melakukan operasi fusi citra terhadap citra keabuan dan citra berwarna menggunakan metode Metode Dekomposisi Nilai Singular Resolusi Jamak (MSVD, Multi-Resolution Singular Value Decomposition). Untuk menguji kehandalan metode ini, ada empat jenis derau yang dipakai: Gaussin, Poisson, Salt & Pepper, dan Speckle. Beberapa kontrol GUI MATLAB yang digunakan seperti Axes, Listbox, Table, Push Button, Edit Text, Static Text, dan Panel. Hasil fusi citra (image fusion) kemudian akan ditampilkan secara visual dan enam parameter kinerja: RMSE, PFE, MAE, CORR, SNR, PSNR, akan ditampilkan pada grafik batang. Kasus 4: IMAGE FUSION Dengan MATLAB GUI: Teknik Fusi Citra Berwarna Berbasis Transformasi Kosinus Diskret Dan Piramida Laplacian Kasus ini diperuntukkan bagi mereka yang suka keahlian praktis sekaligus mendapatkan keuntungan pengetahuan. Dengan tidak bertele-tele, pada buku ini, Anda akan merancang sendiri, secara bertahap, GUI MATLAB untuk melakukan teknik fusi citra terhadap citra keabuan dan citra berwarna menggunakan metode Teknik Fusi Citra Berbasis Transformasi Kosinus Diskret dan Piramida Laplacian. Untuk menguji kehandalan metode ini, ada empat jenis derau yang dipakai: Gaussin, Poisson, Salt & Pepper, dan Speckle. Beberapa kontrol GUI MATLAB yang digunakan seperti Axes, Listbox, Table, Push Button, Edit Text, Static Text, dan Panel. Hasil fusi citra (image fusion) kemudian akan ditampilkan secara visual dan enam parameter kinerja: RMSE, PFE, MAE, CORR, SNR, PSNR, akan ditampilkan pada grafik batang. Kasus 5: IMAGE FUSION Dengan MATLAB GUI: Teknik Fusi Citra Menggunakan Kriteria Ketajaman Berbasis Gradien Kasus ini dapat dipakai sebagai tutorial bagi mereka yang ingin bereksperimen mengembangkan GUI MATLAB, baik untuk kepentingan penelitian pemrosesan citra digital maupun kepentingan praktis lain. Buku ini dikhususkan bagi mereka yang suka keahlian praktis sekaligus mendapatkan keuntungan pengetahuan. Dengan tidak bertele-tele, pada buku ini, Anda akan merancang sendiri, secara bertahap, GUI MATLAB untuk melakukan operasi fusi citra terhadap citra keabuan dan citra berwarna menggunakan Teknik Fusi Citra Menggunakan Kriteria Ketajaman Berbasis Gradien. Untuk menguji kehandalan metode ini, ada empat jenis derau yang dipakai: Gaussin, Poisson, Salt & Pepper, dan Speckle.

Langkah Demi Langkah Pemrograman Database Menggunakan Java Postgresql

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: SPARTA PUBLISHING
Release Date : 2019-06-30

Langkah Demi Langkah Pemrograman Database Menggunakan Java Postgresql written by Vivian Siahaan and has been published by SPARTA PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2019-06-30 with Computers categories.

Pada buku ini, Anda akan mempelajari bagaimana membangun dari nol sebuah sistem manajemen database PostgreSQL menggunakan Java. Dalam merancang GUI dan sebagai IDE, Anda akan memanfaatkan perangkat NetBeans. Secara bertahap dan langkah demi langkah, Anda akan diajari bagaimana memanfaatkan PostgreSQL dalam Java. Pab bab kesatu, Anda akan mempelajari: Bagaimana menginstalasi NetBeans, JDK 11, dan konektor PostgreSQL; Bagaimana mengintegrasikan Library eksternal ke dalam projek; Bagaimana perintah dasar PostgreSQL digunakan; Bagaimana statemen query untuk menciptakan database, menciptakan tabel, mengisi tabel, dan memanipulasi isi tabel dilakukan. Pada bab kedua, Anda akan mempelajari: Menciptakan projek tiga tabel awal pada database sekolah: tabel Guru, tabel Kelas, dan tabel MatPel; Menciptakan file konfigurasi database; Menciptakan GUI Java untuk melihat dan menavigasi isi tiap tabel. Menciptakan GUI Java untuk menyisipkan dan mengedit tabel; dan Menciptakan GUI Java untuk menggabungkan dan melakukan query atas ketiga tabel tersebut. Pada bab ketiga, Anda akan mempelajari: Menciptakan form utama untuk menghubungkan semua form; Menciptakan projek akan menambahkan tiga tabel lagi pada database sekolah: tabel Siswa, tabel Ortu, dan tabel UangSekolah; Menciptakan GUI Java untuk melihat dan menavigasi isi tiap tabel; Menciptakan GUI Java untuk mengedit, menyisipkan, dan menghapus rekaman pada tiap tabel; Menciptakan GUI Java untuk menggabungkan dan melakukan query atas ketiga tabel dan keenam tersebut. Pada bab keempat, Anda akan mempelajari: Menciptakan projek akan menambahkan dua tabel terakhir pada database sekolah: tabel Nilai dan tabel Ujian; Menciptakan GUI Java untuk mengedit, menyisipkan, dan menghapus rekaman pada tiap tabel. Menciptakan GUI Java untuk menggabungkan dan melakukan query atas kedelapan tabel yang ada. Akhir kata, diharapkan buku ini berguna dan bisa meningkatkan keahlian pemrograman database bagi programer Java/PostgreSQL seperti Anda.

Langkah Demi Langkah Pemrograman Database Access Sql Server Dengan Visual Basic Net

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: SPARTA PUBLISHING
Release Date : 2019-05-26

Langkah Demi Langkah Pemrograman Database Access Sql Server Dengan Visual Basic Net written by Vivian Siahaan and has been published by SPARTA PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2019-05-26 with Computers categories.

Pada Bab 1, akan dikenalkan tentang apa itu database, di mana database digunakan, dan bagaimana Visual Basic dipakai dengan database. Selain itu, pembaca akan diajarkan untuk mengenal lingkungan pengembangan Visual Basic dan langkah-langkah yang diperlukan untuk membangun sebuah aplikasi dalam Visual Basic. Pada Bab 2, pembelajaran akan difokuskan tentang struktur database dan bagaimana database diciptakan. Buku ini akan menggunakan database contoh untuk mengenal konsep-konsep yang disuguhkan. Pada Bab 3, Visual Basic akan digunakan ntuk melakukan koneksi ke suatu database. Koneksi ini dilakukan menggunakan objek-objek data. Dengan menggunakan kontrol-kontrol data bound dan objek-objek data, informasi yang termuat di dalam database dapat dilihat. Pada Bab 4, apa yang dipelajari adalah bagaimana menggunakan SQL untuk mengekstraksi informasi yang diinginkan dari database. Agar pembaca menjadi familiar, pada Bab 5, metode-metode, event-event, dan properti-properti dari sejumlah kontrol dasar pada Visual Basic akan disajikan. Pada bab ini, akan dilakukan perancangan form masukan dua tabel: Pengarang dan Penerbit. Pada Bab 6, pembaca akan belajar langkah-langkah yang terlibat dalam manajemen database. Aspek-aspek yang akan dibahas adalah bagaimana mengedit data, menambah data, menghapus data, dan melakukan pencarian pada database. Dengan pengetahuan ini, diharapkan pembaca dapat membangun sebuah sistem database lengkap untuk database buku. Setelah melihat bagaimana objek-objek ADO .NET dan Visual Basic dipakai untuk membangun DBMS yang lengkap dan tangguh, yang bisa dipakai untuk mengedit, menambah, menghapus, dan/atau mencari rekaman pada database, akan lebih lengkap bila form juga memiliki fitur untuk mencetak informasi dari tabel data. Pada Bab 7, pembaca akan melihat bagaimana menggunakan kode Visual Basic untuk menghasilkan laporan database.

Seven Books In One Sinyal Digital Citra Digital Machine Learning Deep Learning Dan Data Science Dengan Python Gui

DOWNLOAD
READ
Author : Vivian Siahaan
language : id
Publisher: BALIGE PUBLISHING
Release Date : 2021-07-24

Seven Books In One Sinyal Digital Citra Digital Machine Learning Deep Learning Dan Data Science Dengan Python Gui written by Vivian Siahaan and has been published by BALIGE PUBLISHING this book supported file pdf, txt, epub, kindle and other format this book has been release on 2021-07-24 with Computers categories.

BUKU 1: Konsep dan Implementasi Pemrograman Python Buku ini merupakan buku teks pemrograman komputer menggunakan Python yang difokuskan untuk pembelajaran efektif. Sengaja dirancang untuk pelbagai tingkat ketertarikan dan kemampuan pembelajar, buku ini cocok untuk siswa SMA/SMK, mahasiswa, insinyur, dan bahkan peneliti dalam berbagai displin ilmu. Tidak ada pengalaman pemrograman yang diperlukan, dan hanya sedikit kemampun aljabar tingkat sekolah menenga atas yang diperlukan. Buku ini memang dirancang untuk mengambil rute tradisional, dengan lebih dahulu menekankan sintaksis-sintaksis dasar, struktur-struktur kendali, fungsi, dekomposisi prosedural, dan struktur data built-in seperti list, set, dan kamus (dictionary). Panduan langkah-demi-langkah di dalamnya diharapkan bisa membantu kepercayaan diri pembaca untuk menjadi programer yang bisa menyelesaikan permasalahan-permasalahan pemrograman. Sejumlah contoh disediakan untuk mendemonstrasikan bagaimana menerapkan konsep-konsep yang telah disajikan terhadap sejumlahan tantangan pemrograman. Pada Bab 1, Anda akan diajari mengenal IDE Spyder untuk memprogram Python dan mengetahui sintaksis dasar dari program sederhana Python. Pada Bab 2, Anda akan belajar: Mendefinisikan dan menggunakan variabel dan konstanta; Memahami sejumlah watak dan keterbatasan bilangan integer (bilangan bulat) dan titik-mengambang (bilangan pecahan); Memahami pentingnya komentar dan tataletak kode; Menulis ekspresi aritmatik dan statemen penugasan; Menciptakan program yang membaca dan memproses masukan, dan menampilkan hasilnya; Bagaimana menggunakan string Python; Menciptakan program grafika menggunakan sejumlah bangun dasar dan teks. Pada Bab 3, Anda akan belajar: Mengimplementasikan keputusan menggunakan statemen if; Membandingkan bilangan integer, titik-mengambang, dan string; Menuliskan statemen menggunakan ekspresi Boolean; Memvalidasi masukan user. Pada Bab 4, Anda akan belajar: Mengimplementasikan loop while dan for; Menjadi familiar dengan algoritma-algoritma yang melibatkan loop; Memahami loop bersarang; Memproses string. Pada Bab 5, Anda akan belajar: Bagaimana mengimplementasikan fungsi; Menjadi familiar dengan konsep pelewatan parameter; Mengembangkan strategi pendekomposisian pekerjaan kompleks menjadi pekerjaan-pekerjaan yang lebih mudah; Mampu menentukan skop variabel. Pada Bab 6, Anda akan belajar: Mengumpulkan elemen-elemen menggunkan list; Menggunakan loop for untuk menjelajah list; Menggunakan sejumlah algoritma umum untuk memproses list; Menggunakan list dengan fungsi; Bekerja dengan tabel data. Pada Bab 7, Anda akan belajar: Membangun dan menggunakan kontainer set; Menggunakan operasi-operasi set untuk memproses data; Membangun dan menggunakan kontainer dictionary; Menggunakan dictionary untuk tabel; Menggunakan struktur kompleks. BUKU 2: SINYAL DAN CITRA DIGITAL dengan PYTHON GUI Buku ini merupakan versi bahasa Indonesia dari buku kami yang berjudul “LEARN FROM SCRATCH SIGNAL AND IMAGE PROCESSING WITH PYTHON GUI”. Anda bisa mengaksesnya di Amazon maupun di Google Books. Pada buku ini, Anda akan belajar bagaimana menggunakan OpenCV, NumPy dan sejumlah pustaka lain untuk melakukan pemrosesan sinyal, pemrosesan citra, deteksi objek, dan ekstraksi fitur dengan memanfaatkan Python GUI (PyQt). Anda akan belajar cara memfilter sinyal, mendeteksi tepi dan segmen, dan menekan derau pada citra dengan memanfaatkan PyQt. Anda juga akan belajar cara mendeteksi objek (wajah, mata, dan mulut) menggunakan Haar Cascades dan cara mendeteksi fitur pada citra menggunakan Harris Corner Detection, Shi-Tomasi Corner Detector, Scale-Invariant Feature Transform (SIFT), dan Features from Accelerated Uji Segmen (FAST). Pada bab 1, Anda akan mempelajari secara langkah demi langkah: membuat aplikasi gui sederhana; menggunakan tombol radio; mengelompokkan tombol radio; menggunakan widget kotak centang; menggunakan dua grup kotak centang; memahami sinyal dan slot; mengonversi jenis data; menggunakan widget spin box; menggunakan scrollbar dan slider; menggunakan list widget; menggunakan kotak kombo; dan menggunakan widget Table. Pada bab 2, Anda akan mempelajari secara langkah demi langkah: membuat grafik garis sederhana; membuat grafik garis sederhana dengan python gui; membuat grafik garis sederhana dengan python gui: bagian 2; membuat dua atau lebih banyak grafik di sumbu yang sama;membuat dua sumbu dalam satu kanvas; menggunakan dua widget;menggunakan dua widget, masing-masing memiliki dua sumbu; menggunakan sumbu dengan tingkat opacity tertentu; memilih warna garis dari combo box; menghitung fast fourier transform; membuat gui untuk FFT; membuat gui untuk FFT dengan beberapa sinyal input lain; membuat gui untuk sinyal bising; membuat gui untuk penapisan sinyal berderau; dan membuat gui untuk penapisan sinyal wav. Pada bab 3, Anda akan mempelajari secara langkah demi langkah: mengkonversi citra RGB menjadi grayscale; mengubah citra RGB menjadi citra YUV; mengkonversi citra RGB menjadi citra HSV; memfilter citra; menampilkan histogram citra; menampilkan histogram citra tertapis; memfilter citra dengan memanfaatkan opsi pada kotak centang; menerapkan ambang batas citra; dan menerapkan ambang batas citra adaptif. Pada bab 4, Anda akan mempelajari secara langkah demi langkah: membangkitkan dan menampilkan citra berderau; menerapkan deteksi tepi pada citra; menerapkan segmentasi citra menggunakan algoritma multiple thresholding dan k-means; dan menerapkan penekanan derau citra. Pada bab 5, Anda akan mempelajari secara langkah demi langkah: mendeteksi wajah, mata, dan mulut menggunakan haar cascades; mendeteksi wajah menggunakan haar cascades dengan pyqt; mendeteksi mata, dan mulut menggunakan haar cascades dengan pyqt; dan mengekstraksi objek yang terdeteksi. Pada bab 6, Anda akan mempelajari secara langkah demi langkah: mendeteksi fitur citra menggunakan deteksi harris corner; mendeteksi fitur citra menggunakan deteksi sudut shi-tomasi; mendeteksi fitur citra menggunakan Scale-Invariant Feature Transform (SIFT); dan mendeteksi fitur citra menggunakan Features from Accelerated Uji Segmen (FAST). BUKU 3: IMPLEMENTASI MACHINE LEARNING DENGAN PYTHON GUI Buku ini merupakan versi bahasa Indonesia dari buku kami yang berjudul “LEARN FROM SCRATCH MACHINE LEARNING WITH PYTHON GUI”. Anda bisa mengaksesnya di Amazon maupun di Google Books. Pada buku ini, Anda akan mempelajari cara menggunakan NumPy, Pandas, OpenCV, Scikit-Learn, dan pustaka lain untuk memplot grafik dan memproses citra digital. Kemudian, Anda akan mempelajari cara mengklasifikasikan fitur menggunakan model Perceptron, Adaline, Logistic Regression (LR), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), dan K-Nearest Neighbor (KNN). Anda juga akan belajar cara mengekstraksi fitur menggunakan algoritma Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Kernel Principal Component Analysis (KPCA) dan menggunakannya dalam pembelajaran mesin (machine learning). Pada Bab 1, Anda akan mempelajari dasar-dasar penggunakan Python GUI dengan Qt Designer. Pada Bab 2, Anda akan mempelajari: Langkah-Langkah Menciptakan Grafik Garis Sederhana; Langkah-Langkah Menampilkan Grafik Garis dengan Python GUI: Bagian 1; Langkah-Langkah Menampilkan Grafik Garis dengan Python GUI: Bagian 2; Langkah-Langkah Menampilkan Dua atau Lebih Grafik pada Sumbu yang Sama; Langkah-Langkah Menciptakan Dua Sumbu pada Satu Canvas; Langkah-Langkah Menggunakan Dua Widget; Langkah-Langkah Menggunakan Dua Widget, Masing-Masing Memiliki Dua Sumbu; Langkah-Langkah Menggunakan Sumbu dengan Tingkat Keburaman Tertentu; Langkah-Langkah Memilih Warna Garis dari Combo Box; Langkah-Langkah Menghitung Fast Fourier Transform; Langkah-Langkah Menciptakan GUI untuk FFT; Langkah-Langkan Menciptakan GUI untuk FFT atas Sinyal-Sinyal Masukan Lain; Langkah-Langkah Menciptakan GUI untuk Sinyal Berderau; Langkah-Langkah Menciptakan GUI untuk Penapisan Sinyal Berderau; Langkah-Langkah Mencipakan GUI untuk Penapisan Sinyal Wav; Langkah-Langkah Mengkonversi Citra RGB Menjadi Keabuan; Langkah-Langkah Mengkonversi Citra RGB Menjadi Citra YUV; Langkah-Langkah Mengkonversi Citra RGB Menjadi Citra HSV; Langkah-Langkah Menapis Citra; Langkah-Langkah Menampilkan Histogram Citra ; Langkah-Langkah Menampilkan Histogram Citra Tertapis; Langkah-Langkah Menapis Citra: Memanfaatkan CheckBox; Langkah-Langkah Mengimplementasikan Ambang Batas Citra; dan Langkah-Langkah Mengimplementasikan Ambang Batas Adaptif. Pada Bab 3, Anda akan mempelajari: Langkah-Langkah Implementasi Perceptron; Langkah-Langkah Implementasi Perceptron dengan PyQt; Langkah-Langkah Implementasi Adaline (ADAptive LInear NEuron); dan Langkah-Langkah Implementasi Adaline dengan PyQt. Pada Bab 4, Anda akan mempelajari: Langkah-Langkah Implementasi Perceptron Menggunakan Scikit-Learn dengan PyQt; Langkah-Langkah Implementasi Model Logistic Regression (LR); Langkah-Langkah Implementasi Model Logistic Regression dengan PyQt; Langkah-Langkah Implementasi Model Logistic Regression Menggunakan Scikit-Learn dengan PyQt; Langkah-Langkah Implementasi Mode Support Vector Machine (SVM) Menggunakan Scikit-Learn; Langkah-Langkah Implementasi Decision Tree (DT) Menggunakan Scikit-Learn; Langkah-Langkah Implementasi Model Random Forest (RF) Menggunakan Scikit-Learn; dan Langkah-Langkah Implementasi Model K-Nearest Neighbor (KNN) Menggunakan Scikit-Learn. Pada Bab 5, Anda akan mempelajari: Langkah-Langkah Implementasi Principal Component Analysis (PCA); Langkah-Langkah Implementasi Principal Component Analysis (PCA); Menggunakan Scikit-Learn; Langkah-Langkah Implementasi Principal Component Analysis (PCA) Menggunakan Scikit-Learn dengan PyQt; Langkah-Langkah Implementasi Linear Discriminant Analysis (LDA); Langkah-Langkah Implementasi Linear Discriminant Analysis (LDA) dengan scikit-learn; Langkah-Langkah Implementasi Linear Discriminant Analysis (LDA); Menggunakan Scikit-Learn dengan PyQt; Langkah-Langkah Implementasi Kernel Principal Component Analysis (KPCA) Menggunakan Scikit-Learn; dan Langkah-Langkah Implementasi Kernel Principal Component Analysis (KPCA) Menggunakan Scikit-Learn dengan PyQt. Pada Bab 6, Anda akan mempelajari: Langkah-Langkah Memuat Dataset MNIST; Langkah-Langkah Memuat Dataset MNIST dengan PyQt; Langkah-Langkah Implementasi Perceptron dengan Ekstraktor Fitur PCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Perceptron dengan Ekstraktor Fitur LDA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Perceptron dengan Ekstraktor Fitur KPCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Logistic Regression (LR) dengan Ekstraktor Fitur PCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Logistic Regression (LR) dengan Ekstraktor Fitur LDA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Logistic Regression (LR) dengan Ekstraktor Fitur KPCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Support Vector Machine (SVM) dengan Ekstraktor Fitur PCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Support Vector Machine (SVM) dengan Ekstraktor Fitur LDA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Support Vector Machine (SVM) dengan Ekstraktor Fitur KPCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Decision Tree (DT) dengan Ekstraktor Fitur PCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Decision Tree (DT) dengan Ekstraktor Fitur LDA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Decision Tree (DT) dengan Ekstraktor Fitur KPCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Random Forest (RF) dengan Ekstraktor Fitur PCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Random Forest (RF) dengan Ekstraktor Fitur LDA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi Random Forest (RF) dengan Ekstraktor Fitur KPCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi K-Nearest Neighbor (KNN) dengan Ekstraktor Fitur PCA pada Dataset MNIST Menggunakan PyQt; Langkah-Langkah Implementasi K-Nearest Neighbor (KNN) dengan Ekstraktor Fitur LDA pada Dataset MNIST Menggunakan PyQt; dan Langkah-Langkah Implementasi K-Nearest Neighbor (KNN) dengan Ekstraktor Fitur KPCA pada Dataset MNIST Menggunakan PyQt. Pada Bab 7, Anda akan mempelajari: Langkah-Langkah Membangkitkan dan Menampilkan Citra Berderau; Langkah-Langkah Mengimplemantasikan Deteksi Tepi pada Citra; Langkah-Langkah Mengimplementasikan Segmentasi Menggunakan Ambang Batas Jamak dan Algoritma K-Means; Langkah-Langkah Mengimplementasikan Penekanan Derau pada Citra; Langkah-Langkah Mendeteksi Wajah, Mata, dan Mulut dengan Haar Cascades; Langkah-Langkah Mendeteksi Wajah Menggunakan Haar Cascades dengan PyQt; Langkah-Langkah Mendeteksi Mata dan Mulut Menggunakan Haar Cascades dengan PyQt; Langkah-Langkah Mengekstraksi Objek-Objek Terdeteksi; Langkah-Langkah Mendeteksi Fitur Citra dengan Harris Corner Detection; Langkah-Langkah Mendeteksi Fitur Citra dengan Shi-Tomasi Corner Detection; Langkah-Langkah Mendeteksi Fitur Citra dengan Scale-Invariant Feature Transform (SIFT) ; dan Langkah-Langkah Mendeteksi Fitur Citra dengan Accelerated Segment Test (FAST). BUKU 4: Implementasi DEEP LEARNING Menggunakan Scikit-Learn, Keras, Dan Tensorflow Dengan Python GUI Buku ini merupakan versi bahasa Indonesia dari buku kami yang berjudul “The Practical Guides On Deep Learning Using SCIKIT-LEARN, KERAS, and TENSORFLOW with Python GUI” yang dapat dilihat di Amazon maupun Google Books. Dalam buku ini, Anda akan mempelajari cara menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy, dan library lainnya untuk mengimplementasikan deep learning dalam mengenali rambu lalu lintas menggunakan dataset GTSRB, mendeteksi tumor otak menggunakan dataset MRI Brain Image, mengklasifikasikan gender, dan mengenali ekspresi wajah menggunakan dataset FER2013. Pada bab 1, Anda akan belajar membuat aplikasi GUI untuk menampilkan grafik garis menggunakan PyQt. Anda juga akan belajar bagaimana mengkonversi citra menjadi keabuan, menjadi ruang warna YUV, dan menjadi ruang warna HSV. Bab ini juga mengajarkan bagaimana menampilkan citra dan histogramnya dan merancang GUI untuk mengimplementasikannya. Pada bab 2, Anda akan belajar menggunakan TensorFlow, Keras, Scikit-Learn, Pandas, NumPy dan sejumlah pustaka lain untuk memprediksi digit-digit tulisan tangan menggunakan dataset MNIST. Pada bab 3, Anda akan mempelajari cara menggunakan TensorFlow, Keras, Scikit-Learn, PIL, Pandas, NumPy, dan pustaka lain untuk mengenali rambu lalu lintas menggunakan dataset GTSRB dari Kaggle. Ada beberapa jenis rambu lalu lintas seperti batas kecepatan, dilarang masuk, rambu lalu lintas, belok kiri atau kanan, anak-anak menyeberang, tidak ada kendaraan berat yang lewat, dll. Klasifikasi rambu lalu lintas adalah proses untuk mengidentifikasi kelas rambu lalu lintas tersebut. Pada proyek Python ini, Anda akan membangun model jaringan saraf tiruan (deep neural network) yang dapat mengklasifikasikan rambu lalu lintas dalam citra ke dalam kategori yang berbeda. Dengan model ini, Anda akan dapat membaca dan memahami rambu lalu lintas yang merupakan pekerjaan yang sangat penting bagi semua kendaraan otonom. Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 4, Anda akan mempelajari cara menggunakan TensorFlow, Keras, Scikit-Learn, Pandas, NumPy dan pustaka lainnya untuk melakukan pendeteksian tumor otak menggunakan dataset Brain Image MRI yang disediakan oleh Kaggle (https://www.kaggle.com/navoneel/brain-mri-images-for-brain-tumor-detection). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 5, Anda akan mempelajari cara menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan library lain untuk melakukan klasifikasi gender menggunakan dataset yang disediakan oleh Kaggle (https://www.kaggle.com/cashutosh/gender-classification-dataset). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 6, Anda akan mempelajari cara menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan pustaka lain untuk melakukan pengenalan ekspresi wajah menggunakan dataset FER2013 yang disediakan oleh Kaggle (https://www.kaggle.com/nicolejyt/facialexpressionrecognition). Anda juga akan membangun sebuah GUI untuk tujuan ini. BUKU 5: Panduan Praktis Deep Learning Menggunakan Scikit-Learn, Keras, Dan Tensorflow Dengan Python GUI Buku ini merupakan versi bahasa Indonesia dari buku kami yang berjudul “STEP BY STEP TUTORIALS ON DEEP LEARNING USING SCIKIT-LEARN, KERAS, AND TENSORFLOW WITH PYTHON GUI” yang dapat dilihat di Amazon maupun Google Books. Dalam buku ini, Anda akan mempelajari cara menerapkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy, dan library lainnya untuk mengimplementasikan deteksi wajah, mata, dan mulut menggunakan Haar Cascades, klasifikasi/prediksi buah, klasifikasi/prediksi kucing/anjing, klasifikasi/prediksi mebel, klasifikasi/prediksi mode (fashion). Pada bab 1, Anda akan belajar bagaimana menggunakan pustaka OpenCV, PIL, NumPy dan pustaka lain untuk melakukan deteksi wajah, mata, dan mulut menggunakan Haar Cascades dengan Python GUI (PyQt). Pada bab 2, Anda akan mempelajari bagaimana memanfaatkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan pustaka-pustaka lain untuk mengimplementasikan klasifikasi buah menggunakan dataset Fruits 360 yang disediakan oleh Kaggle (https://www.kaggle.com/moltean/fruits/code). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 3, Anda akan belajar menerapkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk klasifikasi kucing/anjing menggunakan dataset yang disediakan oleh Kaggle (https://www.kaggle.com/chetankv/dogs-cats-images). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 4, Anda akan belajar menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan pustakan lain untuk mendeteksi atau mengklasifikasi mebel menggunakan dataset Furniture Detector yang disediakan oleh Kaggle (https://www.kaggle.com/akkithetechie/furniture-detector). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 5, Anda akan memanfaatkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah modul lain untuk melakukan klasifikasi terhadap citra-citra mode menggunakan dataset Fashion MNIST yang disediakan oleh Kaggle (https://www.kaggle.com/zalando-research/fashionmnist/code). Anda juga akan membangun sebuah GUI untuk tujuan ini. BUKU 6: Tutorial Langkah Demi Langkah DEEP LEARNING Menggunakan Scikit-Learn, Keras, Dan TensorFlow Dengan Python GUI Buku ini merupakan versi bahasa Indonesia dari buku kami yang berjudul “Step by Step Tutorials Image Classification Using Scikit-Learn, Keras, and Tensorflow with Python GUI” yang dapat dilihat di Amazon maupun Google Books. Pada bab 1, Anda akan belajar dasar-dasar penggunaan PyQt untuk pemrosesan citra digital. Sejumlah projek Python GUI yang diimplementasikan di sini adalah mengkonversi citra RGB menjadi keabuan, mengkonversi citra RGB menjadi citra YUV, mengkonversi citra RGB menjadi citra HSV, menapis citra, menampilkan histogram citra, menampilkan histogram citra tertapis, dan memanfaatkan widget checkbox untuk penapisan citra, dan menerapkan ambang batas citra. Pada bab 2, Anda akan memanfaatkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk mengklasifikasi spesies monyet menggunakan dataset 10 Monkey Species yang disediakan oleh Kaggle (https://www.kaggle.com/slothkong/10-monkey-species/download). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 3, Pada tutorial ini, Anda akan belajar menerapkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustakan lain untuk mengklasifikasi batu, kertas, dan gunting menggunakan dataset yang disediakan oleh Kaggle (https://www.kaggle.com/sanikamal/rock-paper-scissors-dataset/download). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 4, Anda akan belajar menerapkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk mengklasifikasi pesawat, mobil, dan kapal menggunakan dataset Multiclass-image-dataset-airplane-car-ship yang disediakan oleh Kaggle (https://www.kaggle.com/abtabm/multiclassimagedatasetairplanecar). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada bab 5, Anda akan belajar menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk mendeteksi face mask menggunakan dataset Face Mask Detection Dataset yang disediakan oleh Kaggle (https://www.kaggle.com/omkargurav/face-mask-dataset/download). Anda juga akan membangun sebuah GUI untuk tujuan ini. BUKU 7: Klasifikasi Citra Berbasis Deep Learning Menggunakan Scikit-Learn, Tensorflow, Dan Keras Dengan Python GUI Buku ini merupakan versi bahasa Indonesia dari buku kami yang berjudul “Project-Based Approach On DEEP LEARNING Using Scikit-Learn, Keras, and Tensorflow with Python GUI” yang dapat dilihat di Amazon maupun Google Books. Dalam buku ini, Anda akan mempelajari cara menerapkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy, dan library lainnya untuk mengimplementasikan klasifikasi citra. Pada Bab 1, Anda akan menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy danb sejumlah pustaka lain untuk klasifikasi cuaca menggunakan dataset Multi-class Weather Dataset yang disediakan oleh Kaggle (https://www.kaggle.com/pratik2901/multiclass-weather-dataset/download). Pada Bab 2, Anda akan menerapkan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk mengenali jenis bunga menggunakan dataset Flowers Recognition dataset yang disediakan oleh Kaggle (https://www.kaggle.com/alxmamaev/flowers-recognition/download). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada Bab 3, Anda akan menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk mendeteksi plat nomor kendaraan menggunakan dataset Car License Plate Detection yang disediakan oleh Kaggle (https://www.kaggle.com/andrewmvd/car-plate-detection/download). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada Bab 4, Anda akan belajar bagaimana menggunakan TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk melakukan pengenalan bahasa isyarat menggunakan Sign Language Digits Dataset yang disediakan oleh Kaggle (https://www.kaggle.com/ardamavi/sign-language-digits-dataset/download). Anda juga akan membangun sebuah GUI untuk tujuan ini. Pada Bab 5, Anda akan belajar bagaimana menerapkan pustaka TensorFlow, Keras, Scikit-Learn, OpenCV, Pandas, NumPy dan sejumlah pustaka lain untuk mendeteksi keretakan permukaan beton menggunakan dataset Surface Crack Detection yang disediakan oleh Kaggle (https://www.kaggle.com/arunrk7/surface-crack-detection/download). Anda juga akan membangun sebuah GUI untuk tujuan ini.