Pcd 012 - pengenalan pola (lanjutan)

806 views
694 views

Published on

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
806
On SlideShare
0
From Embeds
0
Number of Embeds
9
Actions
Shares
0
Downloads
25
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Pcd 012 - pengenalan pola (lanjutan)

  1. 1. Pengenalan Pola Terbimbing Versus Tak Terbimbing Pengenalan pola terbimbing (supervised) dan tak terbimbing (unsupervised)berkaitan dengan bagaimana klasifikasi dilakukan atau bagaimana pemilah dirancang.Bila vektor fitur pelatihan tersedia dan telah diketahui kelas-kelasnya, kemudian vektorfitur pelatihan tersebut dimanfaatkan untuk merancang pemilah maka pengenalan polaini disebut terbimbing. Akan tetapi, tidak selamanya vektor fitur pelatihan tersediasebelumnya sehingga untuk proses klasifikasi, sekumpulan vektor fitur dikelompokkanke dalam beberapa kluster (group) berdasarkan tingkat kemiripannya. Pengenalan polaseperti itu disebut pengenalan tak terbimbing atau clustering.
  2. 2. Distance (Jarak)Jarak digunakan untuk menentukan tingkat kesamaan (similarity degree) atau ketidaksamaan(disimililarity degree) dua vektor fitur. Tingkat kesamaan berupa suau nilai (scone) danberdasarkan skor tersebut dua vektor fitur akan dikatakan mirip atau tidak.Teknik Clustering (Unsupervised Learning)Teknik clustering merupakan seni atau teknik mengelompokkan data (objek) ke dalam beberapakluster (kelompok) yang belum diketahui. Berbeda dengan teknik klasifikasi, pada clustering,jumlah dan karakteristik dari kelompok akan diperoleh dari data dan biasanya kelompok-kelompok tersebut belum diketahui sebelumnya.Secara umum, metode clustering dikelompokkan menjadi 2 yaitu metode berbasis hirarki(hierarchical) dan metode berbasis partisi (non-hierachical).
  3. 3. Pengelompokkan Berbasis Hirarki (Hierachical Clustering)Algoritma hirarki menghasilkan pengelompokkan seperti tree atau dendogram. Pada level puncaktree setiap objek dinyatakan sebagai kluster terpisah. Pada level tengah jumlah kluster berkurangdan pada level terbawah semua objek dikelompokkan menjadi 1 kluster. Salah satu metode yangtergolong ke dalam metode hirarki dan paling sering digunakan adalah agglomerativehierarchical.Algoritma Agglomerative HierachicalMetode iini dimulai dengan setiap objek dinyatakan sebagai kluster tersendiri. Kedekatan (jarak)antarkluster dihitung dank luster yang paling dekat digabung. Kedekatan pada kluster barudihitung ulang dan kluster paling dekat digabung lagi. Proses tersebut dilakukan secara berulangsampai seluruh data (objek) menjadi 1 kluster.
  4. 4. Ada berbagai metode digunakan untuk menghitung kedekatan (jarak) antara dua kluster, diantaranya sebagai berikut.Metode tetanggaa terdekat (nearest neighbor) single-linkage.Metode tetangga terjauh (farthest neighbor) atau complete-linkage.Metode rata-rata atau average linkage.Pengelompokkan Berbasis Partisi (Partision Clustering)Berbeda dengan metode hirarki yang mengelompokkan objek dengan konsep tree, metode partisimengelompokkan objek dengan mencari pusat kluster (cluster seeking). Seluruh objek akandipartisi ke dalam beberapa kluster dengan setiap kluster memiliki pusat kluster. Salah satumetode cukup terkenal yang masuk ke dalam kategori ini adalah metode K-means. Teknik yanglainnya adalah algoritma Maximum-distance dan algoritma Isodata.
  5. 5. Algoritma K-meansK-means mengelompokkan objek menjadi K kluster. Metode akan mencari pusat kluster dan batas-batas kluster melalui proses perulangan (iterative). Kedekatan atau kemiripan (similarity) suatuobjek dengan objek yang lain atau dengan pusat kluster dihitung dengan menggunakan jarak.Jaringan Saraf Buatan untuk Pengenalan PolaJaringan saraf tiruan atau Artificial Neural Network yang sering disingkat dengan ANN merupakanmodel jaringan neural yang meniru prinsip kerja dari neuron otak manusia (neuron biologis). ANNpertama kali muncul setelah model sederhana dari neuron buatan diperkenalkan oleh McCulloch danPitts pada tahun 1943. Model sederhana tersebut dibuat berdasarkan fungsi neuron biologis yangmerupakan dasar unit pensinyalan dari sistem saraf.

×