Tahapan Pengenalan Pola (pattern Recognition)

PENGENALAN POLA

Nama	:	Muhammad Arief Hidayat
Npm	:	1517051086
Jenis ujian	:	Take Home

Pengertian Pengenalan Pola

Pengenalan Pola ( Pattern Recognition ) menurut saya adalah sebuah proses untuk memberikan label atau nama (labeling) kepada sebuah object atau himpunan.  Pengenalan pola bisa juga kita sebut dengan mengklasifikasikan sebuah object kedalam sebuah kategori  atau klas tertentu.

Object yang dikenali dapat berupa data, gambar, suara, vidio dan text. Kumpulan dari Object – object tersebut biasa disebut dengan dataset. Untuk mengenali sebuah object atau melakukan pengenalan pola ada beberapa tahapan yang harus dilakukan.

Tahapan tahapan dalam melakukan pengenalan pola sebagai berikut:

a.    Mengumpulkan data

Pengumpulan data merupakan tahapan awal untuk pengenalan pola, pengumpulan data bisa dilakukan dengan cara pengukuran atau akuisisi citra (pengangkapan) baik itu gambar, suara maupun vidio hingga menjadi bentuk digital. Data yang dimpulkan dapat berupa data kualitatif dan kuantitatif.

·         Data kualitatif

Data kualitatif merupakan data yang berbentuk kalimat verbal bukan berupa angka ataupun bilangan.Data kualitatif terbagi menjadi nominal dan ordinal.

·         Data kuantitatif

Data kuantitatid merupakan data  yang memiliki nilai berupa angka maupun bilangan. Data kuatitatif terbagi menjadi data interval dan rasio.

b.    Segmentasi

Segmentasi merupakan proses pemisahan sebuah nilai dari object dengan background yang ia miliki. Proses segmentasi bisa dilakukan dengan cara tresholding, active contour, fuzzy, k-means clustering dan morfologi operator.

·         Tresholding

Tresholding merupakan salah satu metode yang memisahkan foreground dan bacground dari sebuah object berdasarkan tingkat ambang keabu-abuan yang dimiliki.

·         Active contour

Active contour merupakan metode segmentasi dengan kurva tertutup.

·         Morfologi operator

Ada beberapa cara yang dapat digunakan untuk morfologi operator seperti erosi, dilasi, closing, opening, outline dan sekeleton.

o   Erosi

Erosi adalah teknik yang bertujuan untuk mengikis atau memperkecil tepi object.

o   Dilasi

Dilasi adalah teknik yang bertujuan untuk menambah atau memperlebar segmen di sekeliling lapisan object.

o   Closing

Closing adalah proses dilasi yang di ikuti oleh proses erosi. Closing biasanya digunakan untuk mengisi lubang kecil pada object

o   Opening

Opening adalah proses erosi yang ikuti oleh proses dilasi, opening biasanya digunakan untuk menghilangkan object kecil berupa noise.

o   Outline

Proses ini dilakukan dengan cara dilasi yang kemudian diikuti proses subtraction.

o   Sekeleteon

Proses Sekeleton adalah proses erosi yang di ulang ulang hingga menghasilkan object dengan satu pixel

c.    ekstraksi fitur

ekstraksi fitur menurut saya adalah mengambil sebuah ciri ataupun keistimewaan dari sebuah object yang membedakannya dengan objeck lainnya.

d.    Training and Testing

Training adalah proses pelatihan sebuah dataset yang telah diperoleh dari pengumpulan data yang sudah memiliki ciri/fitur yang digunakan untuk membedakan antara satu object dengan yang lainnya. Proses training dilakukan dengan menggunakan sebuah algoritma tertentu yang sesuai berdasarkan karateristik dan ciri dari object tersebut. Algoritma yang biasa digunakan untuk proses training adalah jaringan sayaf tiruan, SVM, K- means clustering, KNN, PCA, fuzzy logic dan juga naive bayes.

Setelah melalui proses training sebuah rumusan hasil pelatihan (training) akan digunakan untuk memetakan data uji yang akan dibandingkan dengan target uji sehingga di peroleh nilai keluaran tingkat akurasi dari proses pengujian.

Kegunaan Pengenalan Pola

Pengenalan pola banyak diaplikasikan ke berbagai bidang, contoh dari aplikasi yang menerapkan pengenalan pola adalah sebagai berikut:

      a.      Character Recognition(OCR)

Aplikasi ocr digunakan untuk mengenali tulisan. Baik itu tulisan tangan maupun hasil print out komputer.

      b.      Computer aidid diagnosis

Sistem ini membantu dokter untuk mendiagnosis sebuah penyakit

      c.       Speech recognition

Sistem ini mengenali suara yang dikeluarkan manusia yang ditangkap oleh audio recorder dan di ubah menjadi sebuah data yang bisa dimengerti oleh komputer. Saat ini speech recognition digunakan untuk menggantikan peranti input mouse dan keyboard

d.      Face recognition

Sistem ini digunakan untuk mengenali wajah manusia. Untuk pengaplikasiaannya sistem ini digunakan sebagai absensi dalam sebuah perusahaan. Sistem ini juga sudah digunakan untuk keamanan dalam sebuah perusahaan.

Supervised dan unsupervised learning

Perbedaan antara kedua alogoritma tersebut terletak pada bagaimana algoritma tersebut belajar untuk membuat sebuah prediksi ataupun klasifikasi.

       a.      Supervised Learning

Dalam supervised learing algoritma tersebut dilatih terlebih dahulu agar dapat melakukan prediksi ataupun klasifikasi terhadap sebuah object. Algoritma yang termasuk dalam supervised Learning adalah:

·         Analisis Deret Waktu

·         Decision Tree dan Random Forest

·         Naive Bayes Classifier

·         Nearest Neighbor Classifier

·         Artificial Neural Network

·         Support Vector Machine

       b.      Unsupervised Learning

Sedangkan unsupervised learning untuk melakukan sebuah prediksi terhadap sebuah object itu tidak memerlukan latihan terlebih dahulu.  Algoritma yang dapat digunakan untuk unsupervised learning adalah:

·         K-Means

·         Clustering

·         Fuzzy c-means

Maka dapat disimpulkan algoritma supervised learning membutuhkan data latih (data training) sedangkan unsupervised learning itu tidak membutuhkan data training.