Jaringan Syaraf Tiruan untuk Prediksi menggunakan Matlab


Salah satu aplikasi algoritma jaringan syaraf tiruan adalah untuk kasus prediksi. Berikut ini merupakan pemrograman matlab untuk memprediksi curah hujan menggunakan algoritma jaringan syaraf tiruan propagasi balik (backpropagation neural network). Langkah-langkahnya yaitu:
1. Mempersiapkan data untuk prediksi. Pada contoh ini digunakan data rata-rata curah hujan tiap bulan di kota Semarang pada tahun 2005 s.d 2007. Di dalam algoritma jaringan syaraf tiruan propagasi balik digunakan fungsi aktivasi sigmoid biner di mana fungsi ini bernilai antara 0 s.d 1. Namun fungsi tersebut tidak pernah mencapai angka 0 maupun 1. Oleh sebab itu, data curah hujan perlu dinormalisasi terlebih dahulu ke dalam range 0,1 s.d 0,9 menggunakan persamaan berikut ini:

Untitled
di mana:
X’ = data hasil normalisasi
X = data asli/data awal
a = nilai maksimum data asli
b = nilai minimum data asli

-read more->

k-Nearest Neighbor (k-NN) Menggunakan Matlab


Algoritma k-nearest neighbor (k-NN atau KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut.  Ilustrasi dari metode yang digunakan oleh algoritma k-nn dalam mengklasifikasikan objek ditunjukkan pada gambar di bawah ini:
15890-thumb
Berikut ini merupakan contoh pemrograman matlab untuk mengklasifikasikan citra digital berdasarkan pola bentuknya. Pada contoh ini k-nn digunakan untuk mengklasifikasikan bentuk dari citra apel, tulang, gajah, dan garpu. Ciri yang digunakan untuk membedakan keempat bentuk dari citra tersebut adalah eccentricity dan metric (materi mengenai ekstraksi ciri dapat dilihat pada laman: https://pemrogramanmatlab.wordpress.com/pengolahan-citra/ekstraksi-ciri-citra/). Pemrograman matlab menggunakan algoritma k-nearest neighbor pada contoh ini dapat dijalankan minimal menggunakan matlab versi r2014a karena menggunakan fungsi baru yaitu fitcknn (fit k-nearest neighbor classifier)
Langkah-langkah pemrograman matlab untuk mengklasifikasikan bentuk suatu objek dalam citra digital yaitu:
1. Mempersiapkan citra untuk proses pelatihan. Pada proses tersebut digunakan 60 citra yang terdiri dari 15 citra apel, 15 citra tulang, 15 citra gajah, dan 15 citra garpu
data latih

-read more->

Jaringan Syaraf Tiruan Menggunakan Matlab


Jaringan syaraf tiruan merupakan algoritma klasifikasi yang meniru prinsip kerja jaringan syaraf manusia. Algoritma ini memetakan data masukan pada layer masukan menuju target pada layer keluaran melalui neuron-neuron pada layer tersembunyi. Data masukan dirambatkan maju, dihubungkan menuju neuron pada layer tersembunyi melalui bobot-bobot yang diinisialisasi secara acak. Di dalam neuron, data masukan yang telah dihubungkan dengan bobot tersebut kemudian diproses menggunakan fungsi aktivasi. Selanjutnya data hasil olahan dari neuron dihubungkan menuju neuron pada layer keluaran. Hasil yang diperoleh kemudian dibandingkan dengan data target sehingga diperoleh tingkat kesalahan (error rate). Apabila tingkat kesalahan yang diperoleh lebih kecil daripada tingkat kesalahan yang sebelumnya telah ditetapkan, maka proses akan berhenti. Namun apabila tingkat kesalahan masih lebih besar daripada tingkat kesalahan tetapan maka dilakukan proses perambatan balik dengan pembaharuan bobot.Berikut ini merupakan pemrograman matlab untuk mengklasifikasi bentuk suatu objek dalam citra digital menggunakan algoritma jaringan syaraf tiruan propagasi balik (backpropagation neural network). Pada contoh ini dilakukan pengklasifikasian terhadap bentuk segi-3, segi-4, dan segi-5. Ciri yang digunakan untuk membedakan ketiga jenis bentuk tersebut adalah metric dan eccentricity. Metric merupakan nilai perbandingan antara luas  dan keliling objek. Sedangkan eccentricity merupakan nilai perbandingan antara jarak foci ellips minor dengan foci ellips mayor suatu objek. (Materi mengenai ekstraksi ciri lebih lanjut dapat dilihat pada laman berikut: https://pemrogramanmatlab.wordpress.com/pengolahan-citra/ekstraksi-ciri-citra/).
Langkah-langkah pemrograman matlab untuk mengklasifikasi bentuk suatu objek dalam citra digital menggunakan matlab adalah sebagai berikut:
1. Menyiapkan data latih untuk proses pelatihan (training). Pada proses ini digunakan 45 citra data latih yang terdiri dari 15 citra segi-3, 15 citra segi-4, dan 15 citra segi-5.
data latih
-read more->

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:
persamaan korelasiBerikut ini merupakan contoh pemrograman matlab untuk menghitung koefisien korelasi antara dua variabel. Sebagai contoh, misalnya kita ingin merancang bangun alat untuk mengukur suhu menggunakan sensor LM35, maka alat tersebut perlu kita validasi dengan hasil pengukuran alat ukur suhu standar seperti termometer digital. Langkah-langkah menghitung koefisien korelasi menggunakan matlab adalah sebagai berikut:
-read more->

Membuat program executable (.exe) dari GUIDE Matlab


Dalam membuat program aplikasi menggunakan GUIDE Matlab, terkadang kita ingin menjalankan aplikasi tersebut pada komputer yang tidak terinstall Matlab. Oleh karena itu, program GUIDE Matlab tersebut perlu kita convert terlebih dahulu menjadi program aplikasi executable (.exe) sehingga program aplikasi dapat kita jalankan pada komputer yang tidak terinstal Matlab. Langkah-langkahnya adalah sebagai berikut:
1. Persiapkan file GUIDE Matlab yang ingin kita convert (agar tampilan program semakin menarik, bila perlu buatlah icon dan splash screen program berupa file berformat .jpg, jika tidak, maka default icon dan default splash screen yang akan digunakan)
Untitled-1.jpg
-read more->

Akuisisi citra digital menggunakan webcam


Matlab (Matrix Laboratory) merupakan salah satu perangkat lunak yang mendukung bidang pingolahan citra digital. Dalam bidang tersebut pada umumnya diawali dengan proses akuisisi citra digital. Proses akuisisi citra digital dilakukan dengan cara menangkap (capture) atau memindai (scan) citra analog kemudian mengkonversinya menjadi citra digital agar dapat disimpan dan juga diolah melalui komputer. Salah satu alat akuisisi citra digital yang sering digunakan adalah webcam. Dalam software Matlab, proses akuisisi citra digital menggunakan webcam dapat dilakukan dengan terlebih dahulu menginstal driver Image Acquisition Support Packages for Hardware Adaptors.
Ada cukup banyak driver yang perlu diinstal yaitu sebagai berikut:

Adaptor Name Support package name in list Contents
Windows Video (winvideo) OS Generic Video Interface MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system.
Kinect for Windows (kinect) Kinect for Windows Sensor MATLAB files to use Kinect for Windows cameras with the toolbox

Third party files – Kinect for Windows Runtime

QImaging (qimaging) QImaging Hardware MATLAB files to use QImaging cameras with the toolbox

Third party files – QImaging QCam

DALSA IFC (dalsaifc) Teledyne DALSA IFC Hardware MATLAB files to use DALSA IFC cameras with the toolbox
DALSA Sapera (dalsasapera) Teledyne DALSA Sapera Hardware MATLAB files to use DALSA Sapera cameras with the toolbox
GigE Vision (gige) GigE Vision Hardware MATLAB files to use GigE Vision cameras with the toolbox
Matrox (matrox) Matrox Hardware MATLAB files to use Matrox cameras with the toolbox
DCAM (dcam) DCAM Hardware MATLAB files to use DCAM cameras with the toolbox

Third party files – CMU DCAM on Windows driver file

GenICam GenTL (gentl) GenICam Interface MATLAB files to use GenTL cameras with the toolbox
Point Grey (pointgrey) Point Grey Hardware MATLAB files to use Point Grey cameras with the toolbox

Third party files – Point Grey FlyCapture

Linux Video (linuxvideo) OS Generic Video Interface MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system.
Macintosh Video (macvideo) OS Generic Video Interface MATLAB files to use Windows Video, Macintosh Video, or Linux Video cameras with the toolbox. The correct OS files will be installed, depending on your system.
Data Translation (dt) Data Translation Frame Grabbers MATLAB files to use Data Translation hardware with the toolbox
Hamamatsu (hamamatsu) Hamamatsu Hardware MATLAB files to use Hamamatsu cameras with the toolbox
National Instruments (ni) NI Frame Grabbers MATLAB files to use NI hardware with the toolbox

Third party files – NI-IMAQ files

-read more->

Mengekstrak Frame Video


Dalam bidang video processing, pada umumnya diawali dengan proses ekstraksi frame dari video sehingga pemrosesan video dilakukan pada setiap frame (frame by frame). Berikut ini merupakan pemrograman matlab untuk mengekstrak frame dari suatu video. Video pada contoh berikut ini berdurasi 20 detik dengan frame rate sebesar 30 per detik sehingga video tersebut memiliki jumlah frame sebanyak 20 x 30 = 600 frame.
Untitled
-read more->

Background Subtraction dengan Metode Pengurangan Citra Grayscale


Deteksi kendaraan adalah salah satu tahapan yang harus dilakukan dalam proses identifikasi kendaraan. Contoh pemrograman matlab untuk deteksi kendaraan dengan metode background subtraction pengurangan citra grayscale adalah sebagai berikut:
original Track
Langkah-langkahnya yaitu:
-read more->

Background Subtraction dengan Metode Pengurangan Citra Biner


Berikut ini merupakan pemrograman matlab untuk mendeteksi kendaraan dengan metode background subtraction pengurangan citra biner:
original Track

Langkah-langkahnya adalah sebagai berikut:
-read more->

Background Subtraction dalam ruang warna HSV


Berikut ini merupakan pemrograman matlab untuk deteksi kendaraan dengan metode background subtraction dalam ruang warna HSV.
original Track

Langkah langkahnya adalah sebagai berikut:
-read more->

Follow

Get every new post delivered to your Inbox.

%d bloggers like this: