Support Vector Machine (SVM) di Matlab

SVM merupakan metode algoritma yang sering digunakan untuk regresi dan klasifikasi. Cara kerjanya adalah membuat sebuah bidang batas antara kluster. Bila dibandingkan dengan Jaringan Syaraf Tiruan, beberapa literatur menunjukkan keunggulan SVM yang bekerja secara global optima, sedangkan JST local optima. Walaupun berbeda prinsip, antara SVM dengan JST memiliki tipikal yang sama yaitu data input dan data target dilatih untuk menghasilkan kecerdasan pada sistem. Jika JST menghasilkan bobot dan bias, pada SVM menghasilkan persamaan batas klasifikasi.

SVM di Matlab

Berbagai implementasi telah dilakukan dalam berbagai macam bahasa pemrograman. Untuk Matlab, kita dapat mendownload m-file yang berisi routin untuk penerapan SVM. Link dapat didownload di:

Setelah selesai mendownload, copy folder svm pada C:\program files\Matlab\R2008\Toolboxes kemudian arahkan Path variabel ke situ dengan cara klik File – Set Path.

Klik “Add Folder” untuk menambahkan folder svm ke toolbox Matlab. Setelah itu svm Anda siap digunakan. Sebelum menggunakan ada baiknya Anda mengetik help svm pada command window atau doc svm (versi chm). Alasan utama mengapa kita harus meletakan path adalah karena apabila toolbox svm tersebut tidak diletakkan di path Matlab, maka toolbox itu tidak dapat dijalankan jika kita mengarahkan Current Directory (Direktori Kerja) pada folder yang tidak sama dengan folder toolbox tersebut. Cara mengetes apakah path sudah berjalan adalah dengan merubah current directory di luar directory svm kemudan ketik help svm atau doc svm, jika Matlab menjawab folder not found berarti path belum disetting, selamat mencoba.

Penulis: rahmadya

I'm a simple man .. Lahir di Sleman Yogyakarta, 7 Juni 1976 TK : - (tidak ada TK di tj Priok waktu itu) SDN : Papanggo, Jakarta 83 - 89 SMPN : 129, Jakarta 89 - 92 SMAN : 8, Yogyakarta 92 - 95 Univ. : Fak. Teknik UGM, Yogyakarta 95 - 2001 Pasca. : Tek. Informatika STMIK Nusa Mandiri, Jakarta 2008 - 2010 Doctoral : Information Management Asian Institute of Technology, Thailand 2013 - 2018 Pekerjaan: Tek. Komputer AMIK BSI Jakarta : 2002 - 2005 IT Danamon Jakarta : 2005 - 2008 Tek. Informatika STMIK Nusa Mandiri Jakarta : 2005 - 2008 Univ. Darma Persada : 2008 - Skrg Fakultas Teknik Universitas Islam "45" Bekasi : 2008 - Skrg ( Homebase)

10 tanggapan untuk “Support Vector Machine (SVM) di Matlab”

  1. lalu cara mengetes kinerja svm pada matlab sendiri bgmna om? inputan dari svm itu berupa apa y? misalkan ada pnelitian tentang deteksi tepi jantung pada citra x-ray.. nah menurut om svm itu nanti berfungsi pada tahap segmentasi atau yang lain? mohon di jelaskan om. terimakasih.

    1. SVM itu untuk membuat suatu fungsi pemisah antara dua kelas. Inputnya ya data yang akan diklasifikasi. Penerapannya, jika ada data baru maka kan dihasilkan kelasnya, biasanya kelas ‘0’ atau ‘1’.

  2. halo om, bagaimana membuat sebuah database pada matlab dari beberapa gambar yang ada pada sebuah folder dan menaruh semua gambar tersebut dalam sebuah mat file? trimakasih

  3. hallo,
    mau tanya om, ada code untuk membuat mat file yang berisikan informasi dari gambar yang ada dalam sebuah folder dan telah di feature extraction?

    1. coba satu langkah dulu, ambil image (imread), lakukan transformasi utk ekstrasi ciri, rgb2grey, dll, save ke mat. jika satu bisa tinggal buat skrip yg lebih dari satu dengan for.

  4. om punya tutorial tentang SVM gak, boleh om berbagi dg dg saya, alnya lg butuh buat belajar…
    kirim ke email om, terimaksih om..:)

    1. saya pernah lihat temen yg tesis SVR, logikanya pertama-tama dia menentukan kelasnya dengan svr lalu dilanjutkan dengan regresi nilai berapa di kelas itu

Tinggalkan Balasan ke Zulfany Arief Batalkan balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google

You are commenting using your Google account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.