RESEARCH FIELDS BIDANG PENELITIAN

BIDANG PENAMBANGAN DATA DATA MINING FIELD

Tugas Data Mining Enam Tugas (task) Data Mining: Deskripsi Estimasi Prediksi Regresi Klasifikasi Pengelompokan (Clustering) Asosiasi

Deskripsi Tugas ini menuntut DM untuk mampu mengungkapkan pola atau kecenderungan pada data Dengan kemampuannya menjalankan tugas deskripsi maka DM mampu menunjukkan field-field mana yang perlu/tidak perlu dipertimbangkan

Estimasi dan Prediksi Estimasi memiliki persamaan maupun perbedaan dengan Prediksi Persamaan antara keduanya adalah dalam hal memperkirakan sesuatu hal Bila yang diperkirakan berbentuk numerik, misalnya berat badan seseorang, jumlah hutang seseorang, luas sebuah lahan, maka hal ini disebut Estimasi Bila yang diperkirakan berbentuk kategorial, misalnya pangkat seseorang, status perkawinan seseorang, asal-usul kota kelahiran seseorang, maka hal ini disebut Prediksi

Klasifikasi Pada hakekatnya klasifikasi adalah juga hal memperkirakan Lalu, apa bedanya dengan Prediksi? Pada prediksi variabel peramal (variabel independen)nya seluruhnya bersifat numerik Pada klasifikasi variabel peramal (variabel independen)nya dapat berupa kombinasi numerik dan kategori

Pengelompokan(clustering) Pengelompokan (clustering) merupakan tugas deskripsi yang banyak digunakan dalam mengidentifikasi sebuah himpunan terbatas pada kategori atau cluster untuk mendeskripsikan data yang ditelaah.

Asosiasi Asosiasi didasarkan pada Affinity Analysis, yaitu studi terhadap karakteristik atau atribut yang sering muncul bersama-sama Aff Affinity Analysis sering juga disebut Market Basket Analysis, yang digunakan untuk mengungkap asosiasi antara beberapa atribut (yang masih tersembunyi) Analisis ini akan menghasilkan aturan (Rules) yang diharapkan dapat mengungkap relasi antara dua atau lebih atribut

BIDANG PENELITIAN PENGOLAHAN CITRA IMAGE PROCESSING FIELD

Operasi Pengolahan Citra Perbaikan kualitas citra (image enhancement) Pemugaran citra (image restoration) Pemampatan citra (image compression) Segmentasi citra (image segmentation) Pengorakan citra (image analysis) Rekonstruksi citra (image reconstruction)

1. Perbaikan Kualitas Citra Bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-parameter Contoh operasi perbaikan citra : Perbaikan kontras gelap/terang (contrast stretching) Pengubahan kecerahan gambar (image brightness) Perbaikan tepian objek (edge enhancement) Penajaman (sharpening) Pemberian warna semu (pseudocoloring) Intensity slicing and color coding, Gray level to color transformations, Filtering approach Pelembutan Citra (Image Smoothing) Koreksi geometrik

2. Pemugaran Citra Bertujuan menghilangkan atau meminimumkan cacat pada citra. Contoh : Penghilangan kesamaran (deblurring) Penghilangan derau (noise filtering) Menghilangkan noise: average filtering /median filtering

3. Pemampatan Citra Bertujuan agar citra dapat direpresentasikan dalam bentuk yang lebih kompak sehingga memerlukan memori yang lebih sedikit. Huffman coding, Run-Length encoding, Quatization, Fractal Wavelet discrete, transformasi continuous discrete

4. Segmentasi Citra Bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Segmentasi berkaitan dengan pengenalan pola. Algoritma boundary following

5. Pengorakan Citra Bertujuan mengekstraksi ciri-ciri tertentu yang membantu dalam identifikasi objek. Contoh : Pendeteksian tepi objek (edge detection) Robert, Prewitt, Canny, Sobel Ekstraksi batas (boundary) chain code, transformasi Hough Penipisan pola (Thinning) Stentiford thinning Algorithm Zhang Suen thinning Algorithm Hilditch thinning Algorithm Rosenfeld thinning Algorithm Simple Edge Detection thinning Algorithm Canny Edge 4. Representasi daerah (region)

6. Rekonstruksi Citra Bertujuan untuk membentuk ulang objek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis, misalnya foto rontgen dengan sinar x digunakan untuk membentuk ulang gambar organ tubuh.

CONTOH PENELITIAN

Contoh penelitian informatika dengan teknik soft computing Identifikasi retina menggunakan neural network (pengolahan citra) Optimasi pengepakan pallet dalam kontainer menggunakan algoritma genetika (optimasi dan pencarian) Implementasi fuzzy logic untuk peramalan pemakaian beban listrik (data mining) Implementasi bayesian belief network untuk sistem keamanan jaringan (jaringan)

DATA

Tugas Carilah jurnal informatika yang menggunakan metode komputasi (computing method), boleh hard computing atau soft computing atau keduanya lalu tentukan: Bidang penelitian (data mining/pengolahan citra/ optimasi/ jaringan/game/dll). Jika menghasilkan aplikasi sebutkan basisnya (web/android/desktop atau lainnya) Permasalahan Metode pengembangan sistemnya (waterfall/rapid/spiral/agile/prototype, atau lainnya) Data yang digunakan Metode/algoritma yang digunakan Metode pengujian yang digunakan Software yang digunakan baik untuk modeling ataupun pengujian (ms-excel/spss/matlab/weka/rapidmine/atau lainnya) Kesimpulan Berikan contoh data sekunder untuk penelitian