Blog Archives
Algoritma k-means clustering dan Naive Bayes classifier untuk Pengenalan Pola Tesktur
K-means Clustering merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam satu atau lebih cluster/kelompok. Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain.
Sedangkan Naive Bayes Classifier merupakan salah satu metode machine learning yang memanfaatkan perhitungan probabilitas dan statistik. Metode ini dikemukakan oleh ilmuwan Inggris yaitu Thomas Bayes untuk memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya.
Berikut ini merupakan contoh aplikasi pemrograman matlab (menggunakan Matlab R2015b) mengenai pola tekstur citra menggunakan algoritma k-means clustering dan naive bayes classifier. Citra yang digunakan adalah citra tekstur Brodatz sejumlah 112 buah seperti tampak pada gambar di bawah ini:
Model Ruang Warna Pengolahan Citra
Dalam bidang pengolahan citra digital dikenal berbagai macam ruang warna (color space) citra.
Yang paling umum adalah ruang warna RGB (Red, Green, Blue).
Ruang warna RGB mendefinisikan suatu warna berdasarkan tiga kanal (channel) warna yaitu merah, hijau, dan biru.
Ruang warna RGB untuk citra truecolor 24 bit diilustrasikan oleh gambar berikut:
-read more->
k-means clustering menggunakan matlab
Data clustering merupakan salah satu metode data mining yang bersifat tanpa arahan (unsupervised).
Ada dua jenis data clustering yang sering digunakan dalam proses pengelompokan data yaitu hierarchical (hirarki) data clustering dan non-hierarchical (non hirarki) data clustering.
K-means merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam satu atau lebih cluster/kelompok.
Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain.
Ilustrasi algoritma k-means ditunjukkan pada gambar di bawah ini:
Cara menghitung koefisien korelasi menggunakan matlab
Koefisien korelasi merupakan suatu nilai yang digunakan untuk mengukur tingkat kedekatan hubungan antara dua variabel.
Koefisien korelasi memiliki nilai berkisar antara -1 sampai dengan +1.
Koefisien korelasi bernilai +1 berarti bahwa dua variabel berkorelasi sempurna antara satu dengan yang lain atau dapat dikatakan dua variabel tersebut identik.
Nilai positif (+) menunjukkan hubungan dua variabel yang sebanding atau berbanding lurus.
Koefisien korelasi bernilai 0 berarti bahwa dua variabel sama sekali tidak berhubungan/berkaitan satu sama lain.
Dan koefisien korelasi bernilai negatif (-) berarti bahwa dua variabel memiliki hubungan yang berbanding terbalik.
Koefisien korelasi dapat dihitung menggunakan persamaan berikut:
Berikut ini merupakan contoh aplikasi pemrograman matlab untuk menghitung koefisien korelasi antara dua variabel.
Sebagai contoh, misalnya kita ingin merancang bangun alat untuk mengukur suhu menggunakan sensor jenis LM35, maka setelah alat tersebut dibuat perlu kita validasi dengan hasil pengukuran alat ukur suhu standar seperti termometer digital.
Langkah-langkah menghitung koefisien korelasi menggunakan matlab adalah sebagai berikut:
1. Mempersiapkan data, pada contoh ini data terdiri dari hasil pengukuran suhu menggunakan alat dan hasil pengukuran suhu menggunakan termometer digital. Data disajikan dalam format .xlsx (excel)
-read more->
Representasi Citra Digital dan Piksel Penyusunnya
Citra adalah representasi dari fungsi intensitas cahaya dalam bidang dua dimensi. Berdasarkan sinyal pembentuknya, citra dibedakan menjadi dua jenis yaitu citra analog dan citra digital.
1. Citra Analog
Citra analog merupakan citra yang terbentuk dari sinyal kontinyu. Nilai intensitas cahaya pada citra analog memiliki range antara 0 s.d ~. Alat akuisisi citra analog antara lain mata manusia dan kamera analog.
2. Citra Digital
Citra digital merupakan citra yang terbentuk dari sinyal diskrit. Nilai intensitas cahaya pada citra digital bergantung pada kedalaman bit yang menyusunnya (materi lebih lanjut mengenai kedalaman bit suatu citra dapat dilihat pada laman berikut: Kedalaman Bit Suatu Citra Grayscale). Alat akuisisi citra digital antara lain yaitu kamera digital, smartphone, webcam, scanner, mikroskop digital, pesawat radiodiagnostik seperti CT Scan, CR, MRI, USG, dll.
Dalam bidang dua dimensi, citra dibentuk oleh sekumpulan picture element (pixel) yang memiliki dua informasi penting yaitu koordinat piksel (x,y) dan nilai intensitas piksel f(x,y) (materi lebih lanjut mengenai piksel sebagai penyusun citra digital dapat dilihat pada laman berikut: Pengolahan Citra Digital).
Berikut ini merupakan contoh aplikasi pemrograman matlab mengenai representasi citra digital dan piksel penyusunnya:
1. Citra digital 1-bit (2 derajat keabuan)
Pada citra ini nilai intensitas citra dibagi menjadi 2^1 = 2 derajat keabuan yaitu hitam (0) dan putih (1). Citra jenis ini disebut juga dengan citra biner (binary image).
Transformasi Fourier Satu Dimensi
Transformasi Fourier merupakan operasi transformasi yang mengubah domain suatu sinyal periodik dari domain waktu menjadi domain frekuensi. Transformasi ini umumnya digunakan pada bidang pengolahan sinyal digital maupun bidang pengolahan citra digital. Pada tahun 1822, Joseph Fourier, ahli matematika dari Perancis mengemukakan bahwa:
“Setiap fungsi periodik (sinyal) dapat dibentuk dari penjumlahan gelombang-gelombang sinus atau cosinus”.
Berikut ini merupakan contoh pemrograman matlab mengenai tranformasi Fourier satu dimensi. Persamaan yang digunakan untuk membentuk sinyal periodik dalam domain waktu pada contoh ini adalah y = sin (2*pi*f1*t) + sin (2*pi*f2*t).
1. Sinyal periodik dengan f1 = 30 dan f2 = 0
-read more->
Restorasi Citra Digital Menggunakan Matlab
Dalam dunia nyata, suatu proses pencitraan hampir dapat dipastikan akan menghasilkan citra keluaran yang mengalami degradasi. Penyebab degradasi ini antara lain berupa sensor yang tidak fokus, pergerakan dari obyek maupun sistem pencitraan, gangguan derau termal pada sensor dan perangkat elektronik sistem pencitraan, maupun sebab-sebab lainnya yang terkait dengan lingkungan pengambilan data seperti turbulensi atmosfir pada praktek remote sensing dan pengamatan astronomi.
Untuk memperoleh citra yang lebih tepat, diperlukan adanya suatu proses restorasi citra. Restorasi citra berkaitan dengan upaya memperoleh kembali suatu citra asal dari sebuah citra yang terdegradasi, dengan memanfaatkan suatu pengetahuan mengenai proses terjadinya degradasi tersebut.
Restorasi citra (image restoration) dapat dibedakan dengan perbaikan citra (image enhancement), di mana proses yang dilakukan dalam perbaikan citra lebih bersifat heuristik dan lebih dititikberatkan pada upaya melakukan aksentuasi fitur dalam citra.
Berikut ini merupakan contoh aplikasi pemrograman matlab mengenai restorasi citra. Coding dapat dijalankan menggunakan software matlab minimal versi r2014b.
A. Model Derau Aditif
1. Citra noise test
-read more->
Deteksi Tepi Citra Digital Menggunakan Matlab
Penentuan tepian suatu objek dalam citra merupakan salah satu wilayah pengolahan citra digital yang paling awal dan paling banyak diteliti. Proses ini seringkali ditempatkan sebagai langkah pertama dalam aplikasi segmentasi citra, yang bertujuan untuk mengenali objek-objek yang terdapat dalam citra ataupun konteks citra secara keseluruhan.
Deteksi tepi berfungsi untuk mengidentifikasi garis batas (boundary) dari suatu objek yang terdapat pada citra. Tepian dapat dipandang sebagai lokasi piksel dimana terdapat nilai perbedaan intensitas citra secara ekstrem. Sebuah edge detector bekerja dengan cara mengidentifikasi dan menonjolkan lokasi-lokasi piksel yang memiliki karakteristik tersebut.
Berikut ini merupakan contoh aplikasi programmatic GUI matlab untuk mendeteksi tepi suatu objek dalam citra menggunakan operator gradien, operator laplacian, dan operator canny. (Coding dapat dijalankan minimal menggunakan matlab versi r2014b).
1. Operator Gradien
a. Operator Gradien Orde Satu
-read more->
Pengolahan Citra MRI Menggunakan Matlab
Magnetic Resonance Imaging (MRI) adalah suatu alat diagnostik untuk memeriksa dan mendeteksi organ tubuh dengan menggunakan medan magnet dan gelombang frekuensi radio (tanpa operasi, penggunaan sinar X ataupun bahan radioaktif). Tampilan pesawat MRI dan proses akuisisi citra ditunjukkan pada gambar berikut ini.
Proses akuisisi citra dengan modalitas MRI
Pengolahan Citra Digital (RGB, Grayscale, dan Biner) Menggunakan GUI Matlab
Berdasarkan jenis warnanya, citra digital dapat dibedakan menjadi tiga jenis yaitu citra RGB, citra grayscale, dan citra biner. Citra RGB (Red, Green, Blue) merupakan citra yang nilai intensitas pikselnya tersusun oleh tiga kanal warna yaitu merah, hijau, dan biru. Citra grayscale adalah citra yang nilai intensitas pikselnya berdasarkan derajat keabuan. Sedangkan citra biner adalah citra yang hanya memiliki dua nilai intensitas yaitu 0 (hitam) dan 1 (putih). Materi lebih lanjut mengenai dasar-dasar citra digital dapat dilihat pada laman berikut ini: Pengolahan Citra dan Histogram Citra.
Berikut ini merupakan contoh aplikasi pemrograman GUI Matlab untuk dasar-dasar pengolahan citra digital. Koding dapat dijalankan minimal menggunakan matlab r2014b (karena menggunakan komponen baru yaitu uitab dan fungsi baru yaitu histogram)
1. Membaca citra RGB dan menampilkan kanal merah
Pemrograman Matlab 