ALGORITME & PEMROGRAMAN

Slides:



Advertisements
Presentasi serupa
Pengertian Tentang Matriks Operasi-Operasi Matriks
Advertisements

ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, –
ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, –
TIPE data Tipe data yang dikenal dalam bahasa pascal antara lain :
ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, –
ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, 8.00 – Rabu, – Senin, 9.00 – Selasa, –
ARRAY STATIS DAN DINAMIS
Pertemuan 2 ARRAY. Salah satu Struktur Data yang teramat penting adalah Array atau Larik. Array dapat didefinisikan sebagai suatu himpunan hingga elemen,
Jurusan Teknik Informatika Universitas Ahmad Dahlan 2004
ALGORITMA & PEMROGRAMAN
Bab 4 vektor.
Pengertian Citra Dijital
ARRAY Suatu array (larik) adalah tipe terstruktur yang terdiri dari sejumlah komponen-komponen yang mempunyai tipe yang sama. Komponen ini disebut dengan.
PEMOGRAMAN 1 Pertemuan 3.
PELATIHAN JAVA FUNDAMENTAL
Array Multi Dimensi Nama Kelompok Angga Wahyu H( ) Devanda Riski F ( ) Irfan Satrio H ( )
Aljabar Linear dan Matriks
ARRAY (LARIK) DAN RECORD
1 Pertemuan 2 Citra Dijital dan Persepsi Visual Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
Fungsi String yang sering digunakan antara lain :  Left  untuk mengambil karakter dari sebelah kiri.  Mid  untuk mengambil karakter yang berada di.
Tipe Data Terstruktur Pengantar Logika dan Teknik Pemrograman
Matriks Didalam matematika diskrit, matriks digunakan untuk merepresentasikan struktur diskrit Struktur diskrit yang direpresentasikan dengan matriks antara.
CS3204 Pengolahan Citra - UAS
Desain dan Analisis Eksperimen Abdul Kudus, PhD.
DETERMINAN DARI MATRIKS Pertemuan
1. Pendahuluan Image Processing 1. Content: 1.Aplikasi Citra 2.Pengertian Citra Digital 3.Pengertian Piksel 4.Sampling 5.Kuantisasi 6.Jenis Citra 7.RGB.
Statement Control (if dan switch)
ALGORITMA PEMROGRAMAN LANJUTAN
MODUL KULIAH 2 FORMASI CITRA
STRUKTUR DATA STACK.
Image Processing 1. Pendahuluan.
ARRAY (Array Dua Dimensi) Pertemuan 16 Dasar Pemrograman
JENIS-JENIS MATRIKS Lukman Harun, S.Pd.,M.Pd..
EDY WINARNO fti-unisbank-smg 31 maret 2009
Array Multidimensi.
Pengantar struktur data
BAB II. PEMBENTUKAN CITRA
Nurita Cahyaningtyas ( )
Aljabar Linier dan Vektor Teknik Informatika – IBI Darmajaya
Array.
ALGORITME & PEMROGRAMAN
ALJABAR LINIER Nama Kelompok: Yeni Astuti Nanda Aprilia
Algoritma dan Struktur Data
PRAKTIKUM DASAR PEMROGRAMAN
ALGORITME & PEMROGRAMAN
PENDAHULUAN MATRIKS Lukman Harun, S.Pd.,M.Pd..
Array dan Matriks.
Array.
ALGORITMA DAN PEMROGRAMAN Struktur Algoritma
Jenis Operasi dan Matriks Pertemuan 01
MATRIKS.
KONVOLUSI DAN TRANSFORMASI FOURIER
PERTEMUAN KE-1 Sumber :Prof. Sinisa Todorovic
Praktikum KBP 2 Array.
KONSEP DASAR STRUKTUR DATA
Pengolahan Citra Digital
PERTEMUAN 8.
Prepared by Yohana Nugraheni
STRUKTUR DATA STACK.
ALGORITME & PEMROGRAMAN
OPERASI ALJABAR PADA MATRIKS
PEMROGRAMAN KOMPUTER : OPERASI MATRIKS
Pemrograman Terstruktur
Perkalian dua buah MATRIX.
Dosen pembimbing: ibu indara mutia,MT
Pengolahan Citra Digital. Pembentukan Citra Citra dibagi menjadi 2 macam : 1.Citra kontinyu : adalah citra yang dihasilkan dari sistem optik yang menerima.
Algoritma Pemrograman
all numbers have a pattern
ARRAY.
Bab 1.3 – 1.5 Matriks & Operasinya Matriks invers.
Transcript presentasi:

ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, 10.00 – 12.00 Rabu, 12.00 – 14.00

Matriks dan Array Membuat Matriks Salah satu cara membuat matriks adalah dengan perintah matrix(). > y <- matrix(c(1,2,3,4),nrow=2,ncol=2) > y [,1] [,2] [1,] 1 3 [2,] 2 4 > y[,2] [1] 3 4 diisi kolom per kolom Cara lain membuatnya adalah menyatakan unsur secara sendiri-sendiri > y <- matrix(nrow=2,ncol=2) > y[1,1] <- 1 > y[2,1] <- 2 > y[1,2] <- 3 > y[2,2] <- 4 > y [,1] [,2] [1,] 1 3 [2,] 2 4

Kita bisa mengisi baris per baris > m <- matrix(c(1,2,3,4,5,6),nrow=2,byrow=T) > m [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 Operasi Matriks - Operasi Aljabar Lineir > y %*% y # perkalian matriks [,1] [,2] [1,] 7 15 [2,]10 22

> 3*y # perkalian dengan skalar [,1] [,2] [1,] 3 9 [2,] 6 12 > y+y # tambah [1,] 2 6 [2,] 4 8 - Pengindeksan (Subskrip) Matriks Ambil kolom ke-2 dan ke-3 > z [,1] [,2] [,3] [1,] 1 1 1 [2,] 2 1 0 [3,] 3 0 1 [4,] 4 0 0 > z[,2:3] [,1] [,2] [1,] 1 1 [2,] 1 0 [3,] 0 1 [4,] 0 0

Memberi nilai kepada submatriks > y [,1] [,2] [1,] 1 4 [2,] 2 5 [1,]11 12 [2,]21 22 [3,]31 32 > y[2:3,] [,1] [,2] [1,]21 22 [2,]31 32 > y[2:3,2] [1] 22 32 Memberi nilai kepada submatriks > y [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > y[c(1,3),] <- matrix(c(1,1,8,12),nrow=2) [1,] 1 8 [3,] 1 12

> x <- matrix(nrow=3,ncol=3) > y <- matrix(c(4,5,2,3),nrow=2) > y [,1] [,2] [1,] 4 2 [2,] 5 3 > x[2:3,2:3] <- y > x [,1] [,2] [,3] [1,] NA NA NA [2,] NA 4 2 [3,] NA 5 3 > y [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > y[-2,] [2,] 3 6 buang baris ke-2

Contoh: Mengedit Gambar > library(pixmap) > logo <- read.pnm(system.file("pictures/logo.pgm", package="pixmap")[1]) > logo Pixmap image Type : pixmapGrey Size : 77x101 Resolution : 1x1 Bounding box : 0 0 101 77

> plot(logo) intensitas bernilai antara 0.0 (hitam) sampai 1.0 (putih). > str(logo) Formal class 'pixmapGrey' [package "pixmap"] with 6 slots ..@ grey : num [1:77, 1:101] 1 1 0.996 0.996 1 ... ..@ channels: chr "grey" ..@ size : int [1:2] 77 101 ..@ cellres : num [1:2] 1 1 ..@ bbox : num [1:4] 0 0 101 77 ..@ bbcent : logi FALSE

Misal pixel pada baris 35, kolom 55  abu-abu > logo@grey[35,55] [1] 0.1960784 posisi gambar hurup R logo2 <- logo logo2@grey[20:77,40:95] <- 0 #dihitamkan plot(logo2)

Membuat bagian huruf R di-blur bagian.blur <- function(gbr,rows,cols,q) { lrows <- length(rows) lcols <- length(cols) gbr.baru <- gbr blur <- matrix(nrow=lrows, ncol=lcols,runif(lrows*lcols)) gbr.baru @grey[rows,cols] <- (1-q)*gbr@grey[rows,cols] + q*blur return(gbr.baru) } logo3 <- bagian.blur(logo,20:77,40:95,0.65) plot(logo3)

- Menyaring (Filtering) dalam Matriks Prosesnya > x <- matrix(c(1:3,2:4),ncol=2) > x x [1,] 1 2 [2,] 2 3 [3,] 3 4 > x[x[,2] >= 3,] [1,] 2 3 [2,] 3 4 > j <- x[,2] >= 3 > j [1] FALSE TRUE TRUE Lalu gunakan utk menyaring > x[j,] x [1,] 2 3 [2,] 3 4 Atau bisa langsung > x[x[,2] >= 3,] x [1,] 2 3 [2,] 3 4

> M <- matrix(c(5,2,9,-1,10,11),ncol=2) [,1] [,2] [1,] 5 -1 [2,] 2 10 [3,] 9 11 > which(M > 2) [1] 1 3 5 6 > z <- c(5,12,13) > x[z %% 2 == 1,] [,1] [,2] [1,] 1 2 [2,] 3 4 Contoh lain > m <- matrix(1:6,ncol=2) > m [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > m[m[,1] > 1 & m[,2] > 5,] [1] 3 6 Mengapa begini?