Thursday, January 16, 2020

Buku Pengolahan Citra Digital dengan Matlab - Enhancement


Sinopsis

Pengolahan citra digital tidak lepas dari operasi perbaikan kualitas citra/gambar seperti perataan histogram, kontras warna, menghilangkan noise. Topik pembahasan ini melibatkan operasi array ditingkat dasar seperti perubahan kontras, perataaan histogram, rotasi, dan translasi.

Pengubahan Kontras Gambar

Operasi Image Enhancement merupakan operasi dasar yang sering ditemui dalam pengolahan citra digital, dalam pembahasan sebelumnya setiap gambar digital akan direpresentasikan dalam sebuah array 2D (grayscale) ataupun 3D (true color – RGB). Kalian bisa mencoba operasi sederhana seperti penambahan, pengurangan, perkalian, serta pembagian terhadap sebuah gambar.

clc;clear all;close all;
I = imread('panoramic.jpg');
a = I+100;
b = I-100;
c = I*2;
d = I/2;
figure
imshow(I),title('Gambar Asli');
 
figure,
subplot(2,2,1),imshow(a),title('Tambah');
subplot(2,2,2),imshow(b),title('Kurang');
subplot(2,2,3),imshow(c),title('Kali');
subplot(2,2,4),imshow(d),title('Bagi');

Buku Pengolahan Citra Digital dengan Matlab - Enhancement


Buku Pengolahan Citra Digital dengan Matlab - Enhancement


Dengan type data uint8, maka batasan nilai dari 0 sampai dengan 255 saja sehingga nilai-nilai diatas atau dibawah nilai rentang tersebut akan dibuat 0 atau pun 255. Bisa kalian buktikan dengan kode dibawah ini yang telah dicasting ke uint8

>> a=uint8(200+100)
a =
  uint8
   255
>> 

Mengubah Format Truecolor menjadi Grayscale

Setiap gambar terdiri dari 4 layer secara yaitu 1 Layer transparant dan 3 layer warna (RGB) atapun hanya 1 layer grayscale saja (monocrome). Tapi secara umum dalam format penyimpanan *.jpg *.bmp hanya terdiri dari format RGB ataupun grayscale. Pada sesi sebelumnya kalian sudah belajar membaca gambar dan menampilkannya dalam figure. Gambar Panoramic diatas adalah truecolor RBG, bisa kalian cek akan terdiri dari 3 layer

>> whos I
  Name        Size                Bytes  Class    Attributes

  I         296x399x3            354312  uint8   

Atau dengan perintah ndims()

clc;clear all;close all;
I = imread('panoramic.jpg');
if ndims(I)==3
    disp('truecolor RGB');
else
    disp('grayscale');
end

Hasil

truecolor RGB

Rumus umum pengubahan RGB to Grayscale yaitu


$$0.2989*R+0.5870*G+0.1140*B$$

Kalian bisa bisa terapkan dalam function seperti berikut

clc;clear all;close all;
I = imread('panoramic.jpg');
if ndims(I)==3
    disp('truecolor RGB');
else
    disp('grayscale');
end
 
gray = ubahkegray(I);
figure
imshow(gray);

 
 
function gray = ubahkegray(RGB)
    RGB = double(RGB);
    gray = 0.2989*RGB(:,:,1)+0.5870*RGB(:,:,2)+0.1140 * RGB(:,:,3);
    gray = uint8(gray);
    
end

Atau kalian langsung menggunakan saja function built in Matlab rgb2gray()

clc;clear all;close all;
I = imread('panoramic.jpg');
if ndims(I)==3
    disp('truecolor RGB');
else
    disp('grayscale');
end
 
gray = rgb2gray(I);
 
figure
imshow(gray);


Distribusi Nilai Pixel / Histogram

Setiap gambar (format grayscale) akan mudah terlihat distribusi pixel atau disebut dengan histogram. Perhitungan histogram seperti berikut terdiri dari range 1 sampai dengan 5

Buku Pengolahan Citra Digital dengan Matlab - Enhancement
Buku Pengolahan Citra Digital dengan Matlab - Enhancement

Kalian bisa menggunakan kode berikut untuk menghitung dan menampilkan dalam grafik.

clc;clear all;close all;
a = [4,6,3,1,1,2,4,5,5,5,5,5];
frekuensi = [];
for i=1:6
    frekuensi(i)= sum(sum(a==i));
end
figure
bar(frekuensi)
xlabel('Nilai')
ylabel('Frekuensi')
title('Histogram')

Buku Pengolahan Citra Digital dengan Matlab - Enhancement

Atau menggunakan function Matlab histcounts()

[frekuensi] = histcounts(a,6)

Hasil

frekuensi =

     2     1     1     2     5     1

Setelah kalian tahu kegunaan dari histogram, kalian dapat menampilkan sebuah histogram gambar dengan function imhist()

clc;clear all;close all;
I = imread('panoramic.jpg');
if ndims(I)==3
    gray = rgb2gray(I);
else
    gray = I;
end
gray = rgb2gray(I);
figure
subplot(1,2,1),imshow(gray),title('Gambar')
subplot(1,2,2),imhist(gray),title('Histogram')

Buku Pengolahan Citra Digital dengan Matlab - Enhancement

Perataan Histogram / Histogram Equalization

Perataan histogram bertujuan untuk meratakan distribusi agar setiap gambar yang dihasilkan mempunyai nilai kontras yang lebih seragam. Penerapan perataan histogram menggunakan function histeq() histogram equalization.

clc;clear all;close all;
I = imread('panoramic.jpg');
if ndims(I)==3
    gray = rgb2gray(I);
else
    gray = I;
end
gray = rgb2gray(I);
perataan = histeq(gray);
figure
subplot(2,2,1),imshow(gray),title('Gambar')
subplot(2,2,2),imhist(gray),title('Histogram')
subplot(2,2,3),imshow(perataan),title('Perataan Histogram')
subplot(2,2,4),imhist(perataan),title('Perataan Histogram')


Buku Pengolahan Citra Digital dengan Matlab - Enhancement

Kalian bisa melihat perbedaan penggunaan perataan histogram memberikan perbaikan kontras sehingga bagian tertentu yang berwarna gelap akan tampak cerah.

Format Color Space HSV

Selain format RGB (format layar komputer, kalau kalian menggunakan pengolah grafis ada CMYK yaitu format printer) ada lagi format penyajian HSV (ref:https://id.wikipedia.org/wiki/HSL_dan_HSV) atau HSL yang merupakan kepanjangan dari HSL (hue, saturation, lightness) dan HSV (hue, saturation, value)

Buku Pengolahan Citra Digital dengan Matlab - Enhancement



Sebagian besar televisi, layar komputer, dan proyektor menghasilkan warna dengan menggabungkan cahaya merah, hijau, dan biru dalam berbagai intensitas — apa yang disebut warna primer aditif RGB. Campuran yang dihasilkan dalam ruang warna RGB dapat mereproduksi berbagai warna (disebut gamut)


Buku Pengolahan Citra Digital dengan Matlab - Enhancement





Kalian bisa pelajari di ref: https://en.wikipedia.org/wiki/HSL_and_HSV. Di Matlab untuk mengubah RGB ke HSV menggunakan function rgb2hsv()

clc;clear all;close all;
I = imread('panoramic.jpg');
HSV = rgb2hsv(I);
figure
subplot(1,2,1),imshow(I),title('RBG')
subplot(1,2,2),imshow(HSV),title('HSV')

Buku Pengolahan Citra Digital dengan Matlab - Enhancement




Saturday, January 11, 2020

Buku Pemrograman Matlab - Struct - Cell Container Data


Sinopsis

Selain tipe data berupa Array, Table di Matlab ada 2 data yang harus kalian ketahui yaitu cell dan struct. Keduanya sangat berguna sekali untuk menyimpan data yang bersifat tidak seragam dalam satu wadah untuk memudahkan pengolahan dan penyimpanan tingkat lanjut. Di buku-buku yang lain akan jarang dibahas 2 tipe data ini padahal sangatlah penting lho. Berikut point-point yang dibahas
  1. Data Container Struct 
  2. Mengubah value Struct
  3. Tipe data Cell
  4. Mengakses dan mengubah isi cell?    

Buku Pengolahan Citra Digital dengan Matlab


Sinopsis Buku

Buku ini disajikan sesuai kebutuhan untuk mempelajari pengolahan citra digital dengan Matlab yang merupakan kelanjutan dari buku dasar-dasar pemrograman matlab. Pengolahan citra digital / digital image processing dengan penerapannya dengan istilah Computer Vision. Ilmu dasar pengolahan citra digital yaitu matematika numerik, statistika terapan, serta array  yang kalian bisa pelajari di www.softscients.web.id karena semua harus menggunakan bahasa pemrograman (repot kalau pakai excel).

Buku Pengolahan Citra Digital dengan Matlab ditulis secara berjenjang dari dasar sampai tingkat lanjut mengingat para pengolahan citra digital bisa dari orang awam sampai mahasiswa sehingga untuk memudahkan penerapan pengolahan citra digital lebih mudah menggunakan bahasa functional seperti Matlab, Octave, Python, Scilab, Scala.

Pemilihan Matlab sebagai tools pengolahan citra digital karena beberapa hal utama yaitu
  1. Core engine berbasis array
  2. Core engine Visualisasi yang sangat baik sekali
  3. Tersedianya Toolbox Digital Image Proccesing yang siap pakai.
Dengan 3 hal utama diatas kalian akan sangat terbantu dari segi bahasa dan ketersediaan tools yang lengkap. Berikut point-point yang dibahas dalam buku ini.
  1. Dasar-dasar Citra Digital
  2. Toolbox Digital Image Processing di Matlab
  3. Menampilkan Gambar dan Menyimpan Gambar, array - Image
  4. Mengubah format
Lebih Lanjut

Dasar-Dasar Citra Digital

Sejak dikenalnya komputer untuk pengolahan data digital telah merevolusi beberapa aspek seperti gambar dan sinyal yang memunculkan cabang ilmu yaitu Pengolahan Citra Digital / Digital Image Processing / DIP dan Pengolahan Sinyal Digital / Digital Signal Processing / DSP. Tidak lengkap rasanya pada pembahasan buku ini tidak dimulai dari Dasar-Dasar Pengolahan Sinyal Digital (ref: https://www.softscients.web.id/2018/08/bab-1-olah-citra.html) yang telah penulis bahas pada https://www.softscients.web.id/search/label/E-book%20Olah%20Citra%20dengan%20C%23.

Secara umum beberapa hal dasar yang harus kalian tahu mengenai pengolahan citra digital yaitu
  1. Range Warna / Kedalam Warna / Depth
  2. Resolusi/Kerapatan/Kuantisasi
  3. Ruang warna
  4. Serta format penyimpanan
  5. Format truecolor dan grayscale

Depth Color

Secara umum dan bahkan kedalam warna yang digunakan oleh vendor perangkat lunak yaitu kedalam warna 256 bit biasa disingkat dengan 2^8


Artinya kalian bisa membedakan warna dari skala 0 sampai dengan 255, kalau lebih mudahnya bagi manusia membedakan warna dengan sebutan yaitu merah pekat, merah mudah, merah marun, dan merah sekali. Kalau komputer tidak demikian, lebih menggunakan angka saja. Bahkan ada yang bisa menyediakan 16 juta warna lho yang tidak mungkin dibedakan oleh mata manusia. Secara umum cukuplah warna 256 saja atau bahkan kalau komputer dalam kasus tertentu (machine learning) hanya butuh 2 warna saja (binary) yaitu 0 bersifat hitam dan 1 bersifat putih.

Jadi kalian jangan bingung ya kalau ada yang menyebut depth range, kedalaman warna sebesar 255 atau 2^8 yang biasa disimpan dalam format type data primitive uint8 (un signed integer 8 bit).

Resolusi/Kerapatan/Kuantisasi

Nah istilah ini yang kadang suka ditukar-tukar dengan depth range padahal merupakan istilah yang berbeda. Kuantisasi berkenaan dengan mengubah data analog menjadi data digital atau diskret karena komputer berisifat diskrit tidak seperti otak manusia yang bersifat kontinue. Penulis sebut istilah resolusi/kerapatan/kuantisasi dengan satuan DPI atau dot per inchi. 



Banyaknya titik dalam sebuah luasan area, kalau kalian bingung anggap saja kalian sedang merajut sebuah emblem di renda. Titik-titik itulah lubangnya yang biasa disebut dengan Pixel alias picture element satuan terkecil dari sebuah digital image. Resolusi umum yang digunakan yaitu 72 DPI yang semakin besar nilai DPI nya akan semakin halus.

Ruang warna

Warna yang kita kenal ada 7 warna tapi dari 7 warna tersebut terdapat 3 warna dasar (red, green, dan blue) yang dari 3 warna tersebut ada 2 warna utama yaitu hitam dan putih. Maksudnya adalah 7 warna didapatkan dengan mengubah nilai dari campuran red, green, dan blue disebut RGB/BGR.

Sedangkan nilai red, green, dan blue bila dibuat nol nilainya akan menghasilkan warna hitam dan sebaliknya akan menghasilkan warna putih. Walapun demikian ada 2 ruang warna lagi yang disajikan oleh komputer yaitu HSV dan Lab.


Toolbox Digital Image Processing

Kalian pastikan dulu Matlab yang terinstall sudah ada toolbox Digital Image Proccesingnya atau belum dengan perintah ver()

>> ver
-----------------------------------------------------------------------------------------------------
MATLAB Version: 9.4.0.813654 (R2018a)
MATLAB License Number: 968398
Operating System: Microsoft Windows 10 Home Single Language Version 10.0 (Build 17763)
Java Version: Java 1.8.0_144-b01 with Oracle Corporation Java HotSpot(TM) 64-Bit Server VM mixed mode
-----------------------------------------------------------------------------------------------------
MATLAB                                                Version 9.4         (R2018a)
Simulink                                              Version 9.1         (R2018a)
Aerospace Blockset                                    Version 3.21        (R2018a)
Aerospace Toolbox                                     Version 2.21        (R2018a)
Antenna Toolbox                                       Version 3.1         (R2018a)
Audio System Toolbox                                  Version 1.4         (R2018a)
Automated Driving System Toolbox                      Version 1.2         (R2018a)
Bioinformatics Toolbox                                Version 4.10        (R2018a)
Communications System Toolbox                         Version 6.6         (R2018a)
Computer Vision System Toolbox                        Version 8.1         (R2018a)
Control System Toolbox                                Version 10.4        (R2018a)
Curve Fitting Toolbox                                 Version 3.5.7       (R2018a)
DO Qualification Kit                                  Version 3.5         (R2018a)
DSP System Toolbox                                    Version 9.6         (R2018a)
Data Acquisition Toolbox                              Version 3.13        (R2018a)
Database Toolbox                                      Version 8.1         (R2018a)
Datafeed Toolbox                                      Version 5.7         (R2018a)
Econometrics Toolbox                                  Version 5.0         (R2018a)
Embedded Coder                                        Version 7.0         (R2018a)
Filter Design HDL Coder                               Version 3.1.3       (R2018a)
Financial Instruments Toolbox                         Version 2.7         (R2018a)
Financial Toolbox                                     Version 5.11        (R2018a)
Fixed-Point Designer                                  Version 6.1         (R2018a)
Fuzzy Logic Toolbox                                   Version 2.3.1       (R2018a)
GPU Coder                                             Version 1.1         (R2018a)
Global Optimization Toolbox                           Version 3.4.4       (R2018a)
HDL Coder                                             Version 3.12        (R2018a)
HDL Verifier                                          Version 5.4         (R2018a)
IEC Certification Kit                                 Version 3.11        (R2018a)
Image Acquisition Toolbox                             Version 5.4         (R2018a)
Image Processing Toolbox                              Version 10.2        (R2018a)
Instrument Control Toolbox                            Version 3.13        (R2018a)
LTE HDL Toolbox                                       Version 1.1         (R2018a)
LTE System Toolbox                                    Version 2.6         (R2018a)
MATLAB Coder                                          Version 4.0         (R2018a)
MATLAB Compiler                                       Version 6.6         (R2018a)
MATLAB Compiler SDK                                   Version 6.5         (R2018a)
MATLAB Distributed Computing Server                   Version 6.12        (R2018a)
MATLAB Report Generator                               Version 5.4         (R2018a)
Mapping Toolbox                                       Version 4.6         (R2018a)
Model Predictive Control Toolbox                      Version 6.1         (R2018a)
Model-Based Calibration Toolbox                       Version 5.4         (R2018a)
Neural Network Toolbox                                Version 11.1        (R2018a)
OPC Toolbox                                           Version 4.0.5       (R2018a)
Optimization Toolbox                                  Version 8.1         (R2018a)
Parallel Computing Toolbox                            Version 6.12        (R2018a)
Partial Differential Equation Toolbox                 Version 3.0         (R2018a)
Phased Array System Toolbox                           Version 3.6         (R2018a)
Polyspace Bug Finder                                  Version 2.5         (R2018a)
Polyspace Code Prover                                 Version 9.9         (R2018a)
Powertrain Blockset                                   Version 1.3         (R2018a)
Predictive Maintenance Toolbox                        Version 1.0         (R2018a)
RF Blockset                                           Version 7.0         (R2018a)
RF Toolbox                                            Version 3.4         (R2018a)
Risk Management Toolbox                               Version 1.3         (R2018a)
Robotics System Toolbox                               Version 2.0         (R2018a)
Robust Control Toolbox                                Version 6.4.1       (R2018a)
Signal Processing Toolbox                             Version 8.0         (R2018a)
SimBiology                                            Version 5.8         (R2018a)
SimEvents                                             Version 5.4         (R2018a)
Simscape                                              Version 4.4         (R2018a)
Simscape Driveline                                    Version 2.14        (R2018a)
Simscape Electronics                                  Version 2.13        (R2018a)
Simscape Fluids                                       Version 2.4         (R2018a)
Simscape Multibody                                    Version 5.2         (R2018a)
Simscape Power Systems                                Version 6.9         (R2018a)
Simulink 3D Animation                                 Version 8.0         (R2018a)
Simulink Check                                        Version 4.1         (R2018a)
Simulink Code Inspector                               Version 3.2         (R2018a)
Simulink Coder                                        Version 8.14        (R2018a)
Simulink Control Design                               Version 5.1         (R2018a)
Simulink Coverage                                     Version 4.1         (R2018a)
Simulink Design Optimization                          Version 3.4         (R2018a)
Simulink Design Verifier                              Version 3.5         (R2018a)
Simulink Desktop Real-Time                            Version 5.6         (R2018a)
Simulink PLC Coder                                    Version 2.5         (R2018a)
Simulink Real-Time                                    Version 6.8         (R2018a)
Simulink Report Generator                             Version 5.4         (R2018a)
Simulink Requirements                                 Version 1.1         (R2018a)
Simulink Test                                         Version 2.4         (R2018a)
Spreadsheet Link                                      Version 3.3.3       (R2018a)
Stateflow                                             Version 9.1         (R2018a)
Statistics and Machine Learning Toolbox               Version 11.3        (R2018a)
Symbolic Math Toolbox                                 Version 8.1         (R2018a)
System Identification Toolbox                         Version 9.8         (R2018a)
Text Analytics Toolbox                                Version 1.1         (R2018a)
Trading Toolbox                                       Version 3.4         (R2018a)
Vehicle Dynamics Blockset                             Version 1.0         (R2018a)
Vehicle Network Toolbox                               Version 4.0         (R2018a)
Vision HDL Toolbox                                    Version 1.6         (R2018a)
WLAN System Toolbox                                   Version 1.5         (R2018a)
Wavelet Toolbox                                       Version 5.0         (R2018a)

Membaca dan Menyimpan Gambar

Kalian bisa menggunakan perintah imfinfo untuk menampilkan informasi gambar

 

clc;clear all;close all;
imfinfo('panoramic.jpg')


ans = 

  struct with fields:

           Filename: 'Digital dengan Matlab\panoramic.jpg'
        FileModDate: '14-Jan-2020 07:48:24'
           FileSize: 94776
             Format: 'jpg'
      FormatVersion: ''
              Width: 800
             Height: 296
           BitDepth: 24
          ColorType: 'truecolor'
    FormatSignature: ''
    NumberOfSamples: 3
       CodingMethod: 'Huffman'
      CodingProcess: 'Sequential'
            Comment: {}
        Orientation: 1


Ataupun membaca gambar dengan perintah imread dan menampilkannya kedalam figure

I = imread('panoramic.jpg');
figure
imshow(I);



Dengan perintah whos kalian mendapatkan informasi array dari gambar yaitu

>> whos
  Name        Size                Bytes  Class    Attributes

  I         296x399x3            354312  uint8  

Artinya array berukuran 3 dimensi / 3 layer dengan masing-masing layer terdiri 296 baris dan 399 kolom dengan type data primitive yaitu uint8. Kalian bisa melihat value pixel (picture element) menggunakan perintah imtool()

imtool(I)

 


Dengan toolbar Inspect Pixel Value akan menampilkan posisi (X,Y) dari sebuah pixel gambar seperti contoh diatas artinya adalah koordinat x = 212; y = 129 dengan nilai pixel R=125; G=164; B=184

Pada sesi ini kalian sudah mengetahui cara menampilkan gambar dari sebuah file/disk, selanjutnya untuk menyimpan gambar menggunakan perintah imwrite(), misalkan untuk menyiman gambar dalam format *.jpg yaitu

imwrite(I,'D:/gambar.jpg','jpg')

Format data primitve Gambar dalam Matlab uint8, logical, dan double

Secara umum Matlab menyimpan/memproses sebuah gambar dalam 3 tipe data yaitu
  1. Uint8: unsigned integer 8 bit yaitu bilangan bulat positif 0 s.d 255
  2. Logical yaitu 1 dan 0
  3. Double yaitu bilangan real dari 0 s.d 1
Kalian harus pelajari dulu ya mengenai array dan grafik jika masih belum paham kode dibawah ini

clc;clear all;close all;
 
a = uint8(repmat([0:255],200,1));
b = logical([zeros(200,50),ones(200,50)]);
c = double(repmat([0:0.01:1],200,1));
figure
subplot(1,3,1),imshow(a)
title('gradasi warna')
subplot(1,3,2),imshow(b)
title('hitam putih')
subplot(1,3,3),imshow(c)
title('Gradasi Warna')


Tapi secara umum kita akan banyak menggunakan type data uint8 kecuali untuk analisis morfologi yang menggunakan type data logical

Aspek Pengolahan Citra Digital

Secara umum ada beberapa hal yang dilakukan berkenaan dengan pengolahan citra digital yaitu
  1. Image Enhancement biasa disebut operasi peningkatan kualitas gambar seperti mempertajam atau menghilangkan gambar yang tidak fokus, pengubahan kontras, menghilangan noise.
  2. Image Restoration biasa disebut restorasi gambar dikarenakan ada kerusakan yang telah diketahui sebelumnya.
  3. Image segmentation biasa disebut klustering yang pengelompokan gambar menjadi bagian-bagian penyusunnya, atau mengisolasi aspek-aspek tertentu dari suatu gambar.
  4. Recognition and interpretation dalam hal ini lebih kepada computer vision dan machine learning yaitu operasi temu kembali agar komputer dapat mengenali objek dengan baik

Ke 4 point diatas bisa kalian pelajari melalui matematika seperti matematika numerik, array, statistika yang diimplementasikan menggunakan bahasa pemrograman



Lima 5 Prosedur Riset untuk Mahasiswa S1

Bagi kalian yang sedang menempuh pendidikan S1 dengan jenjang tersebut kalian diwajibkan menyusun skripsi (karya ilmiah). Kalian bisa pelajari 5 prosedur riset untuk mahasiswa S1 seperti dilansir dari [1] yaitu:
  1. Mendeskripsikan gejala yang diamati
  2. Menghubung-hubungkan antara gejala yang satu dengan yang lain
  3. Membandingkan gejala satu dengan gejala yang lain.
  4. Melihat pengaruh gejala yang satu terhadap gejala yang lain
  5. Memprediksi perubahan gejala yang satu dengan menggunakan gejala yang lain.

mendeskripsikan gejala yang sedang diamati

dalam statistik dikenal dengan statistik deskriptif, yaitu menggambarkan data dengan menggunakan, misalnya distribusi frekuensi, persen, ratarata dan lain-lainnya.

menghubung-hubungkan antara gejala yang satu dengan yang lain

dalam statistik dikenal sebagai asosiasi, yang meliputi prosedur-prosedur korelasi, seperti korelasi
Pearson Product Moment, Korelasi Berjenjang Spearman, Korelasi Peringkat Kendal, Sommer, dan lain
sebagainya.

membandingkan gejala satu dengan gejala yang lain

dalam statistik dikenal sebagai prosedur-prosedur yang digunakan untuk membandingkan rata-rata,
seperti uji t sampel dependen, uji t sampel independen, ANOVA, MANOVA, ANCOVA dan lain-lainnya.

melihat pengaruh gejala yang satu terhadap gejala yang lain

yang dalam statistik dikenal sebagai prosedur yang digunakan untuk melihat pengaruh satu variabel terhadap variabel lainnya, seperti regresi linier sederhana, berganda dan analisis jalur. 

Memprediksi perubahan gejala yang satu dengan menggunakan gejala yang lain

dalam statistik digunakan prosedur yang dapat digunakan untuk memprediksi fluktuasi nilai variabel tergantung dengan menggunakan variabel bebas sebagai predictor.

Ref:
[1] http://www.jonathansarwono.info

Sunday, January 5, 2020

Buku Pemrograman Matlab - Export Import Data



Sinopsis Dasar-Dasar Pemrograman Matlab - Export Import Data

Kalian pasti sudah sering menggunakan format penyimpanan data tabel dengan Excel yang terdiri dari baris dan kolom yang sudah banyak digunakan, ada juga format pertukaran yang bersifat terbuka seperti JSON, XML, SQLITE, CSV, dan yang lainnya. Kalau kalian menggunakan bahasa yang lain untuk menyimpan data menggunakan format binary atau disebut teknik serialisasi dan deserialisasi, maka di Matlab menggunakan format *.mat yang sangat mudah digunakan bahkan semua variabel yang ada di memory langsung bisa di save lho. Untuk versi R2009a keatas Matlab sudah dilengkapi dengan library seperti di Pandas (Python) yaitu readtable. Kalian ikuti saja point-point dibawah ini
  1. Format Binary Data IO di Matlab
  2. Membaca file CSV, Excel
  3. Bekerja dengan Format Currency dan Datenum
Dua point diatas akan sering kalian gunakan untuk menyimpan data yang efektif di Matlab.

Dasar-Dasar Pemrograman Matlab - Export Import Data

Saturday, January 4, 2020

Buku Pemrograman Matlab - Grafik

Dasar-Dasar Pemrograman Matlab - Grafik

Sinopsis Dasar-Dasar Pemrograman Matlab - Grafik

Visualisasi dalam bentuk grafik/warna serta contour dapat disajikan dengan baik di Matlab menggunakan 2D ataupun 3D lho dengan total ada 74 jenis grafik yang kalian bisa gunakan untuk beragam keperluan. Agar kalian bisa mempelajari melalui tahapan berikut
  1. Bagian-Bagian Figure
  2. Jenis Grafik
  3. Membuat Beragam Grafik
  4. Menyimpan Grafik
Dengan mempelajari Dasar-Dasar Pemrograman Matlab - Grafik, maka kalian sudah sangat lengkap sekali lho mengenai dasar pemrograman Matlab.

Wednesday, January 1, 2020

Buku Pemrograman Matlab Operator Perbandingan-Syarat Kondisi


Sinopsis Dasar-dasar pemrograman Matlab Operator Perbandingan-Syarat Kondisi

Salah satu bagian terpenting dari bahasa Pemrograman Matlab yaitu operator perbandingan serta statement kondisi yang akan menentukan arah jalannya suatu logika algoritma yang digunakan serta penggunaan logika boolean.

Operator Perbandingan di Matlab

Sama seperti bahasa pemrograman lainnya  mengenai operator perbandingan yang dikenal di Pemrograman Matlab yaitu