Category Archives: Pengenalan Pola
Penerapan Algoritma Support Vector Machine dalam Klasifikasi Citra menggunakan MATLAB
Klasifikasi citra adalah salah satu aplikasi penting dalam bidang pengolahan citra yang bertujuan untuk mengenali dan membedakan objek atau pola tertentu dalam citra. Algoritma Support Vector Machine (SVM) adalah metode pembelajaran mesin yang efektif untuk melakukan klasifikasi dengan membangun model yang dapat memisahkan data dengan jelas ke dalam beberapa kategori. Artikel ini akan membahas penerapan algoritma Support Vector Machine dalam klasifikasi citra menggunakan perangkat lunak MATLAB.
Analisis Tekstur pada Citra Digital menggunakan Metode Gray-Level Co-Occurrence Matrix (GLCM)
Analisis tekstur pada citra digital adalah salah satu aspek penting dalam pengolahan citra untuk memahami karakteristik dan pola yang terdapat pada citra. Salah satu metode yang sering digunakan dalam analisis tekstur adalah Gray-Level Co-Occurrence Matrix (GLCM). GLCM adalah representasi matematis yang mampu mengekstrak informasi tekstur dari citra dengan menggambarkan hubungan spasial antara pasangan piksel dengan intensitas level tertentu. Artikel ini akan membahas konsep dasar GLCM dan penerapannya dalam analisis tekstur pada citra digital.
Deteksi Kematangan Buah Sawit Menggunakan Self-Organizing Maps (SOM)
Self Organizing Maps (SOM) merupakan suatu metode Jaringan Saraf Tiruan yang diperkenalkan pertama kali oleh Teuvo Kohonen tahun 1981, sehingga sering disebut dengan Jaringan Kohonen. Dinamakan “Self Organizing” karena tidak memerlukan pengawasan/ tak terawasi (unsupervised learning) dan disebut “Maps” karena berusaha memetakan bobotnya agar sesuai dengan input data yang diberikan. Neuron-neuron pada jaringan ini menyusun dirinya sendiri berdasarkan nilai input tertentu dalam suatu kelompok, biasa disebut cluster. Selama proses penyusunan diri, cluster dengan vektor bobot paling cocok dengan pola bobot (jarak paling dekat) akan terpilih sebagai pemenang. Neuron pemenang beserta neuron-neuron tetangga akan memperbaiki bobotnya masing-masing.
Berikut ini merupakan contoh pemrograman MATLAB untuk mendeteksi kematangan buah sawit menggunakan Self Organizing Map (SOM). Langkah-langkahnya adalah sebagai berikut:
1. Mempersiapkan data latih
Segmentasi Citra Bakteri Tuberkulosis Menggunakan K-Means Clustering
TBC (Tuberkulosis) yang juga dikenal dengan TB adalah penyakit paru-paru akibat adanya bakteri Mycobacterium tuberculosis pada paru-paru, tulang, usus, atau kelenjar. Salah satu teknik untuk mendeteksi ada tidaknya penyakit tuberkulosis adalah dengan melalui pemeriksaan dahak secara mikroskopis.
Berikut ini merupakan contoh pemrograman matlab untuk melakukan segmentasi citra dahak yang terinfeksi bakteri tuberkulosis menggunakan algoritma k-means clustering.
Langkah-langkah pemrogramannya adalah sebagai berikut:
1. Membaca citra RGB
Deteksi Iris Mata dengan Daugman’s Integrodifferential Operator
Setiap manusia memiliki pola iris mata yang berbeda-beda, keunikan iris mata ini mampu membedakan masing-masing individu sehingga dapat digunakan sebagai acuan dalam membangun sistem pengenalan biometrik. Pengenalan melalui iris mata ini banyak diterapkan dalam berbagai bidang kehidupan seperti pada bidang kesehatan, keamanan, industri, pendidikan, dan lain sebagainya.
Daugman’s Integrodifferential Operator menggunakan fungsi persamaan integral dan turunan dalam mencari koordinat titik pusat dan jari-jari iris mata. Berikut ini merupakan contoh pemrograman matlab menggunakan Daugman’s Integrodifferential Operator untuk mendeteksi iris mata manusia.
Langkah-langkah pemrogramannya adalah sebagai berikut:
1. Membaca citra iris mata
% membaca citra iris mata
Img = imread('iris 01.jpg');
figure, imshow(Img);
title('Citra Asli')
Identifikasi Nilai Uang Logam Menggunakan Metode Otsu Thresholding
Berikut ini merupakan contoh aplikasi pengolahan citra untuk melakukan identifikasi nilai uang logam menggunakan metode otsu thresholding. Uang logam yang diidentifikasi nilainya adalah uang logam Rp. 100, Rp. 200, Rp. 500, dan Rp. 1000. Langkah-langkah pengolahan citra yang dilakukan antara lain adalah sebagai berikut:
1. Membaca citra rgb asli
clc; clear; close all; warning off all;
% membaca citra rgb
Img = imread('koin 01.jpg');
figure, imshow(Img);
Klasifikasi Jenis Kendaraan Menggunakan Algoritma Extreme Learning Machine
Extreme Learning Machine (ELM) merupakan jenis jaringan syaraf tiruan dengan satu lapisan tersembunyi yang biasa disebut dengan single hidden layer feedforward neural network (SLNs). Metode ini memiliki kecepatan pembelajaran yang lebih cepat dibandingkan metode jaringan syaraf tiruan konvensional seperti backpropagation.
Contoh arsitektur jaringan syaraf tiruan Extreme Learning Machine ditunjukkan pada gambar di bawah ini
Klasifikasi Jenis Buah Menggunakan Linear Discriminant Analysis
Linear Discriminant Analysis (LDA) merupakan salah satu metode yang digunakan untuk mengelompokkan data ke dalam beberapa kelas. Penentuan pengelompokan didasarkan pada garis batas (garis lurus) yang diperoleh dari persamaan linear.
Berikut ini merupakan contoh aplikasi pengolahan citra untuk mengklasifikasikan jenis buah menggunakan linear discriminant analysis. Jenis buah yang diklasifikasikan adalah buah apel dan buah jeruk. Kedua jenis buah tersebut dibedakan berdasarkan ciri warnanya menggunakan nilai hue dan saturation. Contoh citra buah pada masing-masing kelas ditunjukkan pada gambar di bawah ini.
Klasifikasi Jenis Sayuran Menggunakan Algoritma PCA dan KNN
Apakah yang dimaksud dengan Principal Component Analysis (PCA)??
Principal Component Analysis (PCA) merupakan suatu algoritma yang mampu mengkonversi sekelompok data yang pada awalnya saling berkorelasi menjadi data yang tidak saling berkorelasi (Principal Component). Jumlah Principal Component yang dihasilkan adalah sama dengan jumlah data aslinya, tetapi dapat direduksi dengan jumlah yang lebih kecil dan tetap mampu merepresentasikan data asli dengan baik.
Berikut ini merupakan contoh pemrograman matlab untuk klasifikasi jenis sayuran menggunakan algoritma PCA dan KNN. Jenis sayuran yang akan diklasifikasi adalah sayur kol, sawi, dan wortel. Ketiga jenis sayur tersebut dibedakan berdasarkan ciri warna dan ukurannya. Contoh citra sayuran pada masing-masing kelas ditunjukkan pada gambar di bawah ini.
Deteksi Lingkaran Menggunakan Transformasi Hough
Apakah yang dimaksud dengan Transformasi Hough??
Transformasi Hough merupakan salah satu metode image processing yang dapat digunakan untuk mendeteksi garis dan lingkaran pada suatu citra digital. Transformasi Hough bekerja dengan cara mencari hubungan ketetanggaan antar piksel menggunakan persamaan garis lurus untuk mendeteksi garis dan persamaan lingkaran untuk mendeteksi lingkaran. Berikut ini merupakan contoh aplikasi pemrograman matlab untuk melakukan deteksi lingkaran pada citra digital menggunakan Transformasi Hough. Sedangkan materi mengenai deteksi garis menggunakan transformasi hough dapat dilihat pada halaman berikut: Deteksi Titik Sudut Citra Untuk Identifikasi Bentuk
Pemrograman yang dilakukan merupakan modifikasi source code yang sebelumnya telah dikembangkan oleh David Young. Modifikasi dilakukan pada pengolahan akhir citra hasil deteksi sehingga objek dapat dipisahkan dengan background dan dapat dihitung luas dan kelilingnya.
Langkah-langkah pemrogramannya adalah sebagai berikut:
1. Membaca citra RGB
clc; clear; close all; warning off all;
% membaca citra RGB
im = imread('cristiano ronaldo.jpg');
figure,imshow(im);
Pemrograman Matlab 