SOFTWARE AS A SERVICE UNTUK MACHINE LEARNING KLASIFIKASI CITRA DIGITAL

Andi Lukman, Marwana Marwana

Abstract


Machine Learning klasifikasi citra digital yang telah ada hanya dapat digunakan untuk kebutuhan khusus objek penelitian citra tertentu dan belum dapat digunakan secara online dan multiuser menggunakan web browser, hal ini mengurangi fleksibilitas para pengguna. Penelitian ini bertujuan menerapkan teknologi Software as a Service untuk machine learning klasifikasi citra digital agar aplikasi klasifikasi citra digital dapat digunakan oleh para peneliti citra secara multiuser dan tanpa proses instalasi aplikasi. Metode penelitian ini memanfaatkan data set citra digital Caltech 101 yang diambil dari Computational vision Institut Teknologi California. Aplikasi dibangun menggunakan bahasa pemrograman Java dimana untuk sisi client menggunakan Google Web Toolkit dan sisi server menggunakan Java Servlet yang kemudian dideploy ke Google App Engine. Algoritma yang digunakan adalah algoritma klasifikasi Machine Learning WEKA yaitu: Support Vector Machine, K-Nearest Neighbor, Naïve Bayes, C4.5 Decision Tree, Logistic Regression dan Random Forest. Fungsi aplikasi sebagai Software as a Service diuji menggunakan pengujian black box. Hasil penelitian memperlihatkan bahwa teknologi Remote Procedure Call dengan metode Asyncronous dapat diterapkan agar aplikasi dapat diakses secara online menggunakan web browser secara multiuser. Pengujian dilakukan oleh 4 pengguna yang secara bersamaan mengakses aplikasi pada komputer berbeda dengan fungsi-fungsi: login/logout, mengakses aplikasi tanpa instalasi hanya menggunakan web browser, menggunakan pra-proses data set dan menggunakan jenis algoritma machine learning yang sama dengan data set berbeda. Hasil pengujian memperlihatkan setiap fungsi sukses melewati tahap pengujian black box. Penelitian ini dapat disimpulkan bahwa teknologi Software as a Service dapat diterapkan pada machine learning klasifikasi citra digital.


Full Text:

PDF

References


Lukman, Andi, “Implementasi Pengolahan Citra dan Algoritma LVQ Untuk Pengenalan Pola Buku”, Seminar Nasional Informatika (SNIf), hal. 145-151, Okt. 19, 2012.

Hajare, Pravin S. dan Dixit, Vaibhav V, “Breast Tissue Classification Using Gabor Filter, PCA and Support Vector Machine”, International Journal of advancement in electronics and computer engineering (IJAECE), Vol. 1 Issue 4, hal. 116- 119, Juli, 2012.

Li, Chao, dkk., “Using the K-Nearest Neighbor Algorithm for the Classification of Lymph Node Metastasis in Gastric Cancer”, Journal of Computational and Mathematical Methods in Medicine, Vol. 2012, hal. 1-11, Okt. 2012.

Kim, Jinho, dkk., “Comparing Image Classification Methods-KNearest- Neighbor and Support-Vector-Machines”, Proceedings of Applied Mathematics in Electrical and Computer Engineering, hal. 133-138,January 25-27, 2012.

Hastuti, Khafiizh, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Mahasiswa Non Aktif”, Proc. Semantik 2012, hal. 241 - 249, Juni, 23, 2012.

Saputra, Wahyuni S.J, dkk., “Seleksi Fitur Menggunakan Random Forest Dan Neural Network”, Proc. IES 2011, hal. 93- 97, Oktober 26, 2011.

Desai, Aaditya, dan Rai, Sunil, “Analysis of Machine Learning Algorithms using WEKA”, Proc. ICWET 2012, hal. 27-32, Maret, 2012.

Allen, Bryce, dkk., “Software as a Service for Data Scientists”, Communications of The ACM, Vol. 55, No. 2, hal. 81–88, Februari, 2012.

Furht, Borko dan Escalante, Armando, Handbook of Cloud Computing, New York: Springer Science+Business Media, 2010.

Sanderson, Dan, Programming Google App Engine, Second Edition, Sebastopal: O’Reilly Media Inc., 2013.

Alpaydin, Ethem, Introduction to Machine Learning, Second Edition, London: MIT Press, 2010.

Harrington, Peter, Machine Learning .in Action, , New York: Manning, 2012.

Witten, Ian H., dkk, Data Mining Practical Machine Learning Tools and Techniques, Third


Refbacks

  • There are currently no refbacks.