Yuk belajar Membuat Chart di pemrograman Android

Chart adalah sebuah bagan grafik yang menampilkan sebuah data secara visual sehingga mudah untuk dibaca dan dipahami. Pada Microsoft Excel dan Powerpoint sangat mudah untuk membuat chart karena telah disediakan toolsnya oleh Microsoft. Lalu bagaimanakah cara untuk membuat grafik atau menyisipkan chart (grafik) didalam pemrograman Android ??? So Let’s Code …

Yang perlu dirubah setelah membuat file project android adalah merubah file MainActivity.java berikut isi MainActivity nya :

Pengenalan dan Code Action Bar pada Pemrogrman Android

Actionbar adalah sebuah bar yang dalam pemrograman android dimana dalam bar tersebut dapt memunculkan icon, judul aplikasi dan tombol-tombol yang dapat kita buat sendiri dari icon dan fungsi dari tombol tersebut.

Selain itu, dalam action bar dapat memperindah tampilan suatu aplikasi dan dapat mempermudah karena dapat memuat tombol yang statis tiap layer aplikasinya.

Mau tau, bagaimana cara membuat aplikasi actionbar ??? Let’s Code …

Dalam Folder “scr” hanya ada satu package dengan berisi 2 Java yaitu :

E-book C++

Kali ini admin aye akan membagikan e-book tentang pemrograman C++ dari basic sampai medium beserta contoh-contoh dalam pemrograman C++. Adapaun e-book dapat dilihat dan diunduh disini

Pengenalan Citra Wajah dengan Pemrosesan Awal Transformasi Wavelet

Makalah ini membahas sebuah sistem pengenalan sinyal 2D, yaitu citra wajah untuk mengenali identitas seseorang. Citra wajah diproses awal menggunakan transformasi wavelet menghasilkan representasi multi resolusi dari citra aslinya. Penggunaan transformasi wavelet ini dimotivasi oleh hasil beberapa studi biologi tentang kemiripan system retina dan simple cortial cells dengan pemrosesan wavelet. Transformasi wavelet disini digunakan sebagai metode ekstraksi feature sekaligus reduksi dimensi input citra. Eksperimen menggunakan database standar dari ORL (Ollivety Research Laboratory) yang memuat 400 citra wajah yang terdiri dari 40 individu dengan masing-masing 10 wajah per individu. Keberhasilan pengenalan menggunakan klasifikasi k-nearest-neighbour adalah 94 %. Pengujian juga dilakukan pada citra bernoise gaussian dengan SNR=10,5, 0 dan –9dB. Ternyata penambahan noise pada input citra tidak mempengaruhi keberhasilan pengenalan secara berarti.