Minggu, 17 Februari 2019

Python - KMeans Clustering

UPDATE: 17 FEBRUARI 2019
BAHASA: PYTHON
SYSTEM:
a.    Windows 10
b.    Python : 3.6.3
c.    Numpy : 1.14.2
d.    Pandas : 0.20.3
e.    Matplotlib: 2.2.2

PENGANTAR:

Kmeans clustering yang ditulis diambil dari referensi berikut:
  1. https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_ml/py_kmeans/py_kmeans_understanding/py_kmeans_understanding.html
  2. https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_ml/py_kmeans/py_kmeans_opencv/py_kmeans_opencv.html#additional-resources
Penulis menulis ulang diluar library opencv agar mudah dipelajari

DATASET:

Untuk dataset, kita mencoba untuk versi simple  dengan sebuah array berikut

data_masuk = np.array([[7,8],
                        [4,13],
                        [8,7],
                        [8 ,9],
                        [3 ,12],
                        [3 ,1],
                        [5 ,3],
                        [3 ,13],
                        [9 ,8],
                        [3 ,5],
                        [8 ,8],
                        [2 ,13],
                        [1 ,3],
                        [3 ,14]],dtype='float32')

Selasa, 12 Februari 2019

Python – Watershed Segmentation

UPDATE: 12 FEBRUARI 2019
BAHASA: Python
SYSTEM: OpenCV 4.0.0

PENGANTAR

Teknik image segmentation seringkali telah banyak dibahas, adapun untuk postingan kali ini, penulis menerapakan watershed segmentation dengan melibatkan Kmeans clustering sebagai tahap pre prosesing sebelum di input kedalam watershed segmentation

DATASET



Rabu, 06 Februari 2019

C# - Fuzzy C Means Clustering



UPDATE: 01 FEBRUARI 2019
BAHASA: C#
SYSTEM:
a.    Windows 10
b.    IDE : SharpDevelop Version : 5.1.0.5216-0e58df71
c.    .NET Version         : 4.7.03056

PENGANTAR:

Clustering adalah bahasan cukup sering kita dengar pada teknik data minning. Ada banyak teknik yang bisa kita gunakan, mulai dari algoritma kmeans clustering, k-nearest neighbor, ataupun fuzzy c-means clustering, kohonen (versi  LVQ unsupervisi).  Penulis menggunakan fuzzy c-means clustering untuk menentukan center tiap kelompok data. Kamu bisa membaca tutorial di https://edrianhadinata.wordpress.com/2013/12/19/metode-clustering-algoritma-fuzzy-cmeans/.

Selasa, 05 Februari 2019

Matlab-Enkripsi Citra Digital dengan logistic Maps- Random Generator


[ www.softscients.web.id - topik pengolahan citra digital dengan matlab]. Teknik enkripsi pada citra digital banyak digunakan untuk melindungi informasi dari citra tersebut, salah satunya menggunakan teknik chaos (logistic maps), Anda bisa membaca link berikut https://en.wikipedia.org/wiki/Logistic_map



Xn mempunyai nilai 0 sampai 1 yang mempresentasikan sebuah rasio keberadaan populasi dari sebuah populasi maksimum
r nilai dengan rentang 0 sampai 4
Persamaan diatas menghasilkan ploting yang bersifat nonlinear sebagai berikut, Penulis menggunakan nilai X(n=1)  = 0.23456 atau disebut X0

Selasa, 15 Januari 2019

OpenCV-Color Grouping


Color Segmentation selain menggunakan teknik inrange(), kita bisa menggunakan grouping yaitu Kmeans Clustering. Library OpenCV sudah dilengkapi dengan function Kmeans() yaitu

Minggu, 13 Januari 2019

OpenCV and Python Color Detection


Segmentasi warna menggunakan OpenCV dipermudah oleh dengan adanya function inRange(). Seperti potongan kode berikut

Minggu, 06 Januari 2019

C# - Learning Vector Quantization




UPDATE: 01 FEBRUARI 2019
BAHASA: C#
SYSTEM:
  1. Windows 10
  2. IDE : SharpDevelop Version : 5.1.0.5216-0e58df71
  3. NET Version         : 4.7.03056

PENGANTAR

Mengenal LVQ yaitu algoritma non linear yang bekerja untuk melakukan klasifikasi supervisi sehingga kita harus mempunyai input dan target yang telah diketahui sebagai ‘bahan’ untuk mencari nilai ‘bobot’ yang optimal
Aturan LVQ agar berbeda dengan backpropagation yaitu lebih simple tidak menggunakan fungsi aktifasi, tapi yang lebih penting adalah bobot awal yang digunakan harus tepat.

Rabu, 19 Desember 2018

Buku Belajar Mudah Python dengan Package Open Source



Ulasan Singkat

Kemarin banyak yang nanya2 mengenai ulasan singkatan buku ini
Buku Belajar Mudah Python dengan Package Open Source
Buku ini saya buat berdasarkan pengalaman menangani beragam project yang meliputi topik bahasan seperti machine learning, computer vision yang biasanya menggunakan Matlab, biasanya kami sarankan menggunakan Python karena lebih kepada lisensi serta

Buku ini membahas dasar-dasar Python mulai dari instalasi menggunakan Anaconda Navigator (pada buku-buku terbitan lain, tidak membahas mengenai Anaconda Navigator) padahal dengan Anaconda Navigator sudah tersedia banyak sekali package-package untuk komputasi teknis, olah data, serta grafik!

Anda cukup menggunakan Spyder yang merupakan Editor canggih saat ini untuk menulis kode di Python tidak perlu menggunakan Visual Code, JetBrain, Netbeans untuk mencoba menulis kode Python.

Pada bab selanjutnya dikenalkan Numpy, Pandas, Matlotlib, Scipy, serta OpenCV. Itu adalah package yang sering menjadi topik dasar pada saat ini yaitu AI, Machine Learning, serta Deep Learning kalau anda menginginkan topik diatas.

Jadi anda tidak perlu menggunakan PIP Package Manager atau repot-repot melakukan install package tersendiri lho!

Jadi buku kecil ini menjadi semakin menarik dan bermanfaat untuk anda beli dan koleksi!!

Penulis menerbitkan di penerbit Graha Ilmu (www.grahailmu.id) yang merupakan penerbit yang sudah dikenal dengan terbitan buku-buku yang bermutu yang bekerjsama dengan thesimplybook
https://www.bukalapak.com/u/thesimplybook

Cek Katalog di www.GrahaIlmu.id
http://grahailmu.id/Katalog-GrahaIlmu.xls
per 23 November 2018

Dapatkan buku terbaru dari kami di
https://www.bukalapak.com/p/hobi-koleksi/buku/komputer-487/wco01c-jual-belajar-mudah-python-dengan-package-open-source-mulkan-syarif-graha-ilmu

Buku Belajar Mudah Python dengan Package Open Source



ISBN : 978-602-5759-74-1

Sinopis

Python merupakan bahasa intrepreter yang banyak digunakan untuk kepentingan akademis, riset, bahkan para praktisi umum dikarenakan tersedianya package-package yang siap pakai mulai dari untuk komputasi numerik, array, olah grafik, sinyal, machine learning, dan computer vision. Kemudahan managemen instalasi package tersebut dikarenakan adanya Anaconda Navigator yang mampu mengintegrasikan semua package dengan lebih mudah bagi pemula sekalipun.

Buku ini memfokuskan diri tidak hanya membahas dasar-dasar bahasa Python tapi lebih luas lagi yaitu mengajak pembaca menggunakan package-package yang sudah default terinstal di Anaconda Navigator dan beberapa package tambahan terpisah yaitu
  1. Python
  2. IDE Spyder sebagai Editor
  3. Package Numpy untuk perhitungan array
  4. Package Matplolib untuk visualisasi grafis
  5. Package Pandas untuk pengolahan data terstruktur
  6. Package Scipy untuk pengolahan data statistika
  7. Package OpenCV (instal tersendiri)

https://www.bukalapak.com/p/hobi-koleksi/buku/komputer-487/wco01c-jual-belajar-mudah-python-dengan-package-open-source-mulkan-syarif-graha-ilmu

Daftar Isi

BAB 1 ANACONDA 1

1.1 Pengenalan Anaconda 1
1.2 Instalasi Anaconda 4
1.3 Environment Anaconda Navigator 7

BAB 2 PYTHON DAN EDITOR SPYDER 9

2.1 PengenalanInterpreter Python 9
2.2 Pengenalan Bahasa Python 14
2.3 Tipe Data Terstruktur 17
2.4 Control Flow 24
2.5 Pengenalan Function 27
2.6 Pengenalan Class 28
2.7 Manajemen Modul/Package 31

BAB 3 NUMPY 35

3.1 Import package 35
3.2 Membuat Array 35
3.3 Pengenalan Operasi Array 39
3.4 Contoh Kasus Penggunaan Array 50

BAB 4 MATPLOTLIB 57

4.1 Line Plot 58
4.2 Bar Plot 64
4.3 Line Area 67
4.4 Scatter 68
4.5 Scatter 3D 69
4.6 Contour 71
4.7 Contour Surface 71
4.8 Surface 73

BAB 5 PANDAS 75

5.1 Struktur Data Pandas 75
5.2 Pengenalan Data Frame 77
5.3 Operasi Masking 82

BAB 6 SCIPY 89

6.1 Analisis Korelasi Sederhana 90
6.2 Analisis Regresi Linear 92
6.3 Klustering dan Klasifikasi 94

BAB 7 OPENCV 107

7.1 Cara Install 108
7.2 Membaca dan Menyimpan File Gambar 110
7.3 Integrasi OpenCV dengan Matplotlib 111
7.4 Akses dan Modifikasi Nilai Pixel Gambar 113
7.5 Operasi Transformasi Geometrik 117
7.6 Operasi Segmentasi Gambar 118
7.7 Operasi Filtering Gambar 123
7.8 Operasi Morfologi Gambar 124
7.9 Operasi Pencarian Contour Gambar 129
7.10 Membaca File Video 132

Buku Belajar Mudah Python dengan Package Open Source



Buku Belajar Mudah Python dengan Package Open Source
tutorial basic python
tutorial bahasa python

Selasa, 18 Desember 2018

Python-Editor Ringan - Eric


Setelah sekian lama menggunakan Spyder untuk menulis kode Python. Penulis mencoba menggunakan https://python-projects.org/

Senin, 17 Desember 2018

Python-Arti If __name___


Bagi pengguna awam python, biasanya akan melihat kode seperti berikut
if __name__ == '__main__':
      print('your....')

Apa artinya?

Jumat, 14 Desember 2018

Python-Union of Object using OpenCV


Sebelum membaca postingan ini, sebaiknya anda perlu tahu dasar-dasar python terlebih dahulu
Serta cara instal OpenCV, silahkan beli buku saya di:
http://www.softscients.web.id/2018/11/buku-belajar-mudah-python-dengan.html
Opencv dengan versi  '3.4.1'
Mengenai teknik contours
Silahkan baca ini

Selasa, 11 Desember 2018

Python-Hierarchical Data Format

Bila anda yang menangani big data, pasti akan berkutat pada data yang sangat besar, bagaimana menyimpan data tersebut agar efektif? Yaitu format HDF (Hierarchical Data Format) yang sekarang sudah mencapai versi ke 5 yaitu HDF5 yang mempunyai perbedaan yang cukup signifikan dari sebelumnya.
Struktur HDF5 terdiri 2 tipe utama yaitu
Dataset yaitu multidimensional array
Group yaitu berisi data yang terstruktur
https://en.wikipedia.org/wiki/Hierarchical_Data_Format
Beberapa benefit penggunaan HDF5  https://www.hdfgroup.org/
  1. Heterogeneous Data
  2. Easy Sharing
  3. Cross Platform
  4. Fast I/O
  5. Big Data
  6. Keep Metadata with Data
Nah Python mempunyai interfacing yaitu http://www.h5py.org/, untuk dokumentasinya http://docs.h5py.org/en/stable/index.html
Format h5py tersebut sangat efektif sekali daripada menggunakan format JSON dan YAML

Jumat, 07 Desember 2018

python-Handwriting Recognition in Action



Pengenalan tulisan tangan yang dibuat kali ini menggunakan deep learning dengan library tensorflow dan keras. Adapun dataset terdiri dari angka 0-9 dari MNIST

Selasa, 27 November 2018

BAB 4 - WinForm

Selain kita menggunakan CLI dalam demo framework Aforge dan Accord net, sesekali menggunakan WINFORM untuk menghasilkan efek secara langsung, dengan memanfaatkan slider sebagai pengganti nilai brightness dari -100 s.d +100

Minggu, 11 November 2018

Buku Cara Cepat Pengolahan Citra Digital dengan C# Sharp



Postingan ini adalah  telah ditulis ulang dari e-book yang telah kami terbitkan di slideshare yaitu
https://www.slideshare.net/aktis/buku-cara-cepat-pengolahan-citra-dengan-c-sharp-35888454
Silahkan untuk membaca...di blog ini

Sinopsis

Topik pembahasan olah citra semakin banyak diminati dan berkembang luas, baik dari segi penerapannya dan algoritmanya. Bahasa C# dengan Framework AForge.Net dan Accord.Net serta  IDE Sharp Develop menjadikan pengembangan aplikasi dan algoritma menjadi mudah dikarenakan banyak sekali modul-modul dasar yang telah ditulis oleh framework tersebut yang siap digunakan oleh pengguna bahkan untuk pengguna pemula sekalipun.

Inti dari buku ini adalah mengenalkan Framework AForge.Net dan Accord.Net sebagai framework untuk olah citra dan sekaligus mengenalkan dasar olah citra
  1. Konsep Olah Citra : mengenal dasar olah citra secara umum
  2. IDE Sharp Develop 4.1: mengenal solution, library, component, debug, build application (diganti dengan Visual Studio 2017)
  3. Framework AForge.Net- Accord.Net: mengenal modul-modul untuk olah citra
  4. Operasi Dasar Olah Citra: mengenal operasi dasar olah citra yaitu
  5. Konvolusi untuk membuat efek blur, sharpening, edge detection
  6. Thresholding menggunakan metode Otsu untuk melakukan operasi Black-White;  Morphologi yaitu dilation, erotion, opening, closing;  Blob yaitu labelling, center of gravity, moment invariant;  Analisis Tekstur: mengenal konsep analisis tektur dengan metode gray level co-occurance sebagai metode standar dalam analisis tekstur;  PCA (Principal Component Analyst): mengenal face recognition dengan metode PCA dan konsep serialisasi data biner
  7. Interfacing Webcam: melakukan koneksi (interfacing) menggunakan webcam baik single maupun multiple connection

Topik diatas dilengkapi dengan source code serta langkah demi langkah contoh perhitungannya sehingga pemahaman pembaca akan menjadi lebih baik

Karena terdiri dari banyak BAB, maka akan ditulis satu persatu telebih dahulu
silahkan

klik link berikut http://www.softscients.web.id/search/label/E-book%20Olah%20Citra%20dengan%20C%23

Agar lebih urut dalam membaca per BAB


Sabtu, 10 November 2018

Python-PIP Package Manager


Bagi kamu yang suka menggunakan Python untuk kebutuhan teknis sehari-hari baik untuk kerjaan freelace, komputasi teknis. Sebelum penulis mengenal Anaconda, maka penulis akan melakukan instalasi package secara tersendiri yaitu menggunakan get-pip.py

Selasa, 06 November 2018

BAB 4 - Geometri Moment Invariant

Geometri Moment Invariant

Geometri Moment Invariant bisa digunakan untuk shape analyst lho, mari kita bahas mengenai moment

Kamis, 25 Oktober 2018

BAB 5 - Analisis Tekstur-Gray level cooccurance matrix-GLCM

Manusia mengenal tekstur seperti lembut dan kasar walaupun tangan tidak menyentuh benda tersebut, tapi otak mampu membedakan  hal tersebut melalui visualisasi yang ditangkap oleh mata. Tekstur dapat dicirikan sebagai berikut
  1. Pengulangan pola dari variasi lokal sehingga membentuk kesatuan yang utuh
  2. Menyediakan informasi susunan spasial dari warna dan intensitas citra
  3. Dicirikan dengan distribusi spasial dari level intensitas dari nilai pixel ketetanggaan
  4. Tidak bisa didefinisikan sebagai suatu satu point / nilai tertentu karena merupakan sebuah pola / kesatuan
Lihatlah ilustrasi berikut tentang tekstur sebuah citra yaitu terdiri dari 50% hitam dan 50% putih

Jumat, 19 Oktober 2018

BAB 4 - Operasi Dasar Olah Citra Digital - Image to Matrix

Sebelumnya ( http://www.softscients.web.id/2018/08/bab-4-operasi-dasar-olah-citra-digital.html ) kita sudah belajar mengenai pemanfaatan class yang sudah disediakan oleh Aforge dan Accord, nah ada yang lupa satu ini yaitu Image to Matrix, karena pada dasarnya Image terdiri dari matrix 2 dimensi dengan nilai 8bit yaitu rentang nilai 0-256. Nah agar lebih mudah, penulis sajikan beberapa potongan  kode berikut menggunakan class Accord.Imaging.Converters, agar lebih mudah kita hanya menyajikan gambar format grayscale saja