PCD

2. Pengenalan Pola
Pengertian Pengenalan Pola
Perkembangan teknologi baru akan didominasi oleh sistem dan mesin-mesin dengan kecerdasan buatan
(machine intelligence). Teknik pengenalan pola merupakan salah satu komponen penting dari mesin
atau sistem cerdas tersebut yang digunakan baik untuk mengolah data maupun dalam pengambilan
keputusan.
Secara umum pengenalan pola (patten recognition) adalah suatu ilmu untuk mengklasifikasikan atau
menggambarkan sesuatu berdasarkan pengukuran kuantitatif fitur (ciri) atau sifat utama dari suatu
obyek. Pola sendiri adalah suatu entitas yang terdefinisi dan dapat diidentifikasi serta diberi nama.
Sidik jari adlah suatu contoh pola. Pola bisa merupakan kumpulan hasil pengukuran atau pemantauan
dan bisa dinyatakan dalam notasi vector atau matriks.

3. Struktur dari Sistem Pengenalan Pola
Sistem terdiri atas sensor (misalnya kamera), suatu algoritma atau mekanisme pencari fitur, dan
algoritma untuk klasifikasi atau pengenalan (bergantung pada pendekatan yang dilakukan).
Sebagai tambahan, biasanya beberapa data yang sudah diklasifikasi diasumsikan telah tersedia
untuk melatih sistem.
Algoritma klasifikasi

4. Sensor berfungsi untuk menangkap objek dari dunia nyata dan selanjutnya diubah menjadi sinyal
digital (sinyal yang terdiri atas sekumpulan bilangan) melalui proses digitalisasi.
Pra-pengolahan berfungsi mempersiapkan citra atau sinyal agar dapat menghasilkan cirri lebih
baik pada tahap berikutnya. Pada tahap ini sinyal informasi ditonjolkan dan sinyal pengganggu
(derau) diminimalisasi.
Pencari dan seleksi fitur berfungsi menemukan karakteristik pembeda yang mewakili sifat utama
sinyal dan sekaligus mengurangi dimensi sinyal menjadi sekumpulan bilangan yang lebih sedikit
tetapi representative.
Algoritma klasifikasi berfungsi untuk mengelompokkan fitur ke dalam kelas yang sesuai.
Algoritma deskripsi berfungsi memberikan deskripsi pada sinyal.

5. Fitur, Vektor Fitur, Ruang Fitur, Pola, dan Pemilah
Fitur (Features) atau disebut juga atribut adalah semua hasil pengukuran yang bisa diperoleh dan
merupakan karakteristik pembeda dari objek fitur dapat berupa symbol seperti warna, numeric
seperti berat, atau gabungan keduanya. Fitur dapat dinyatakan dengan variabel kontinu, diskrit,
atau diskret-biner. Fitur biner dapat digunakan untuk menyatakan ada atau tidaknya suatu fitur
tertentu.
Fitur yang baik memiliki syarat berikut. (1) Mudah dalam komputasi; (2) Mampu sebagai
pembeda dan memberikan keberhasilan tinggi dalam pengenalan; Dan, (3) besarnya data dapat
diperkecil tanpa menghilangkan informasi penting.
Vektor fitur (features vector) adalah gabungan atau kombinasi dari beberapa fitur dan
dinyatakan sebagai vector kolom. Banyaknya fitur pembentuk vector fitur disebut dengan dimensi
dari vektor fitur.

6. Ruang fitur (features space) adalah ruang yang dibentuk oleh vektor fitur dan merupakan cara
untuk menvisualisasi distribusi vektor fitur. Pada ruang fitur, objek (vektor fitur) dinyatakan sebagai
suatu titik.
Scatter plot adalah pemetaan dari beberapa vektor fitur ke dalam ruang cirri. Scatter plot merupakan
alat visualisasi yang sempurna untuk menentukan distribusi dari distribusi vektor bila dimensi vektor
fitur.
Pola dapat dikatakan sama dengan fitur atau vektor fitur yang merupakan sifat utama dari suatu
objek. Namun dalam pengenalan (klasifikasi), pola merupakan sepasang variabel (x,w) dengan x
menyatakan sekumpulan pemantauan (pengamatan) atau fitur atau vektor fitur, sedangkan w
merupakan konsep dibalik pengamatan.
Pemilah (classifier) merupakan teknik atau metode untuk memilah (mengelompokkan) vektor fitur
ke dalam kelas-kelas tertentu.
Vektor fitur untuk pelatihan (training feature vectors) merupakan vektor fitur yang telah diketahui
kelasnya dan digunakan untuk merancang pemilah (classifier).