membaca grafik dan sifat data

7/31/2019 Membaca Grafik Dan Sifat Data

http://slidepdf.com/reader/full/membaca-grafik-dan-sifat-data 1/11

Membaca data & menentukan paramater

yang signifikan

Oleh: [email protected]

http://softscients.blogspot.com

“Lihatlah sekeliling benda/objek diantara kita. Pernah anda berpikir untuk melakukan

uji paramater yang signifikan! Untuk “membedakan” suatu benda/objek”



Sebagai contoh lihatlah kedua benda dibawah ini!

a. Apakah ketiga objek diatas berbeda?

b. Hal apa yang membedakan diantara mereka?

Kedua point diatas adalah hal yang paling utama untuk diungkapkan sebelum melakukan klasifikasi dan

klustering suatu objek.

Bila kita menjawab sekilas

a. bahwa merekaadalah sama! adalah hal yang benar

b. bila pun kita menjawab mereka adalah berbeda maka hal itu juga benar sekali!

Lantas mengapa kedua jawaban diatas berbeda dan sama-sama benar! Jawaban yang paling tepat

adalah karena mereka mempunyai “perspektif” yang berbeda! untuk point [a] memandang ketiga objek

tersebut adalah sama dikarenakan warna nya adalah sama-sama hitam. Sedangkan untuk [b]

dikarenakan bentuk nya yang berbeda yaitu persegi, lonjong, dan bundar.

Sekarang saat nya kita “membedah” suatu data dari kedua tabel berikut yaitu nilai RGB dan HSV

Nilai RGB

Mutu benda red green blue

Jenis A

148.0498 110.3724 87.3545

148.8076 111.1944 93.0847

156.5906 125.4288 102.9961

164.5305 148.2949 123.8491

167.1760 145.7684 122.1499

Jenis B

181.7497 179.8370 166.5764

181.5465 180.3539 167.1936

185.3424 185.6279 175.4777

180.5498 173.8202 155.2821

154.2667 152.6989 144.6901

148.5778 159.3095 147.4860

132.0453 143.4177 130.1148

126.5701 140.4857 130.7310

118.7880 124.3986 117.9930



113.5995 122.0581 116.5830

Jenis C

65.7124 70.2923 71.0930

61.6789 67.6395 68.3740

75.7830 81.9373 79.0014

61.6040 64.2984 64.4278

76.1537 80.2777 80.0337

Nilai HSV

Mutu benda hue saturation value

Jenis A

0.1302 0.4303 0.5825

0.1687 0.4029 0.5860

0.1567 0.3703 0.6170

0.1492 0.2774 0.6491

0.1440 0.2994 0.6588

Jenis B

0.2396 0.1325 0.7234

0.2341 0.1293 0.72380.2645 0.1105 0.7413

0.1962 0.1770 0.7139

0.2741 0.1989 0.6263

0.3572 0.1829 0.6384

0.3574 0.2116 0.5768

0.4089 0.2290 0.5679

0.3976 0.2423 0.5128

0.4369 0.2441 0.5047

Jenis C

0.4824 0.3614 0.3189

0.4752 0.3757 0.3109

0.4504 0.3478 0.35810.4827 0.3914 0.3040

0.4752 0.3446 0.3579

Kita ditugaskan untuk melakukan “klasifikasi” terhadap ketiga objek diatas yaitu jenis A,B,C.

Menurut sang pemberi tugas bahwa dikatakan “ketiga objek tersebut dapat dibedakan dalam hal

warna”. Apakah hal demikian? Mari kita plot kan kedalam grafik yaitu



Misalkan kita plot kan kedalam graf

Lihatlah bahwa terjadi overlapping

Bagaimana dengan paramater-para

ik sumbu X sebagai sampel ke n dan sumbu Y adala

untuk parameter warna red dan green.

meter yang lain?

nilai pixel nya.



Sekilas data nya tidak menunjukan

Sumbu x

R

R

G

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

1 2 3

A x i s T i t l e

gr

suatu yang istimewa. Kita akan mencoba membuat

Sumbu y Keterangan po

G Posisi acak

B Posisi acak

B Posisi acak

5 6 7 8 9 10

fik value

jenis A

jenis B

enis C

plot grafik yaitu

la



Tidak ada satupun plot grafik yang membentuk suatu pola.

Tapi lihatlah plot grafik hue versus saturation

Lihatlah plot grafik diatas yaitu H vs S yang membentuk suatu pola tertentu. Dan tanda bintang hijau

adalah centroid (titik pusat nya) yaitu

Sumbu x atau nilai hue Sumbu Y atau nilai saturation Keterangan Bentuk tanda

0.4752 .3546 Jenis C

0.2741 .1829 Jenis B Bintang

0.1492 .3703 Jenis A

Bagiamana melakukan klasifikasi / pengelompokan objek nya??

Misalkan kita mempunyai data berikut

Hue = 0.1302

Saturation= 0.4303

Maka akan dihitung jarak eucled nya yaitu

= (0.4752− . ) + (0.3546− . ) = 0.3532 ( )

= (0.2741− . ) + (0.1829 − . ) = 0.2862 ( )



= (0.1492− . ) + (0.3703 − . ) = 0.0629 ( )

Dapat dipastikan bahwa contoh diatas termasuk jenis A (diambil nilai yang terkecil)

Bandingkan dengan pola-pola berikut ini.



Kita harus dituntut secara kreatif membaca data sehingga didapatkan suatu paramater yang

membentuk pola. Akhirnya kita mendapatkan suatu paramater yang benar-benar signifikan untuk

membedakan objek diatas berdasarkan paramater warna hue dan saturation.

membaca grafik dan sifat data

Documents