Obychants

Bismillah, Kita semua tentu tidak asing lagi dengan istilah  Artificial Intelligence  (Kecerdasan Buatan) atau biasa disingkat AI.  Secara simple tujuan utama AI adalah bagaimana membuat machine (misal komputer) atau software yang memiliki kecerdasan seperti kecerdasan manusia. Kecerdasan disini bisa meliputi penalaran ( reasoning ), pengetahuan ( knowledge ), perencanaan ( planning ), pembelajaran ( learning ), komunikasi ( communication ), persepsi ( perception ) dan lainnya. Bagi saya bidang AI sangat menarik karena sangat luas aplikasinya. Ketertarikan saya pada AI bermulai saat kuliah S1 di  ITS , kalau tidak salah saat itu saya mengambil mata kuliah Intelligent Computing Technology (Komputasi Cerdas) bersama  Prof. Muh. Hery . Disini saya mulai berkenalan dengan beberapa bidang AI diantaranya Jaringan Syaraf Tiruan (JST) atau lebih dikenal dengan  Artificial Neural Network  (ANN), Algoritma Genetika  atau  Genetic Algorithm  (...

Oleh: Rini Indriarti, S.Kom Kemajuan negara sangat dipengaruhi oleh kemampuan menguasai dan memanfaatkan ilmu pengetahuan. Dalam hal teknologi yang didefinisikan sebagai entitas, benda maupun tak benda yang diciptakan secara terpadu melalui perbuatan dan pemikiran untuk mencapai nilai yang merujuk pada sekumpulan teknik-teknik. Dalam konteks ini teknologi adalah keadaan pengetahuan manusia tentang bagaimana cara memadukan sumber-sumber, guna menghasilkan produk-produk yang dikehendaki, menyelesaikan masalah, memenuhi kebutuhan, atau memuaskan keinginan meliputi: metode teknis, ketrampilan, proses, teknik, perangkat, dan bahan mentah. Teknologi merupakan konsekuensi dari ilmu dan rekayasa, di mana kemajuan teknologi dihasilkan dari pengembangan cara-cara lama atau penemuan metode baru dalam menyelesaikan tugas-tugas. Ada 3 klasifikasi dasar dari kemajuan teknologi yaitu: ·           Kemajuan teknologi yang bersifat netral (neutral t...

K-Nearest Neighbor  (KNN) adalah suatu metode yang menggunakan algoritma  supervised  dimana hasil dari  query instance  yang baru diklasifikan berdasarkan mayoritas dari kategori pada KNN. Tujuan dari algoritma ini adalah mengklasifikasikan obyek baru bedasarkan atribut dan  training sample .  Classifier  tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori. Diberikan titik  query,  akan ditemukan sejumlah  k  obyek atau (titik  training ) yang paling dekat dengan titik  query . Klasifikasi menggunakan  voting  terbanyak diantara klasifikasi dari k obyek.. algoritma KNN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari  query instance  yang baru. Algoritma metode KNN sangatlah sederhana, bekerja berdasarkan jarak terpendek dari  query instance  ke  training sample  untuk menentukan KNN-nya.  Training sample  diproyeksika...

Algoritma  K-Nearest Neighbor  (KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Data pembelajaran diproyeksikan  k  ruang berdimensi banyak, dimana masing – masing dimensi merepresentasikan fitur dari data. Ruang ini dibagi menjadi bagian – bagian berdasarkan klasifikasi data pembelajaran. Sebuah titik pada ruangan ini ditandai dengan kelas c , jika kelas  c  merupakan klasifikasi yang paling banyak ditemui pada  k  buah tetangga terdekat titik tersebut. K-Nearest Neighbor  merupakan metode yang bersifat  supervised , dimana hasil dari  query instance  yang baru diklasifikasikan berdasarkan mayoritas kategori pada KNN.     Pada fase  training , algoritma ini hanya melakukan penyimpanan vektor – vektor fitur dan klasifikasi data  training sample . Pada fase klasifikasi, fitur – fitur yang sama dih...

Algoritma  k-nearest neighbor   (k-NN atau KNN)  merupakan sebuah algoritma untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Ilustrasi dari metode yang digunakan oleh algoritma k-nn ditunjukkan pada gambar di bawah ini: Berikut ini merupakan contoh pemrograman matlab untuk mengklasifikasikan citra digital berdasarkan pola bentuk menggunakan algoritma k nearest neighbor. 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 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 su...