Title: Workshop Fuzzy Aplikasi Logika Fuzzy Untuk Pendukung Keputusan
1Workshop FuzzyAplikasi Logika FuzzyUntuk
Pendukung Keputusan
2Fuzzy DSS
- Fuzzy Database (Fuzzy Model Tahani,Fuzzy Model
Umano) - Fuzzy Clustering(FCM,FPCM,FuzzySubtractive)
- Fuzzy Linear Programming(FLP)
- Fuzzy Integer Trasportasi Problem
- Fuzzy Multy-Attribut Decision Making
- Fuzzy Multy-Expert Multy-Attribut Decision Making
dll.
3Identifikasi Isyarat Tangan
Sebagai Pengendali Telerobotik
Secara Real-Time
Oleh
Edi Satriyanto
edi_at_eepis-its.edu
4Latar Belakang
- Computer Vision
- Robot Vision
- Humanoid Robot
- Human Robot Interface
- Isyarat Tangan sebagai bahasa komunikasi
- 24 Real-Time Hand Gesture Telerobotic System
Using the Fuzzy C-Means Clustering Algorithm
2004 tangan statik - 2.Simultaneous Localization and Recognition of
Dynamic Hand Gesture 2005 virtual hand
writing
5Rumusan Masalah
- Bagaimana metode mengidentifikasi gerakan obyek
( motion detection) untuk mengetahui ada obyek
yang bergerak atau tidak. - Bagaimana metode mengidentifikasi warna kulit
tangan (skin detection) menggunakan Fuzzy C-Mean - Bagaimana ekstrasi ciri pola tangan menggunakan
integral proyeksi. - Bagaimana mendeteksi pola tangan (pattern
detection) - Bagaimana mengidentifikasi serangkaian pola
isyarat tangan secara real-time yang berupa pola
angka (virtual hand writing), menjadi satu
perintah dalam mengendalikan robot secara jarak
jauh.
6Batasan Masalah
- Pengangkapan obyek menggunakan web-cam.
- Intensitas pencahayaan yang dibutuhkan harus baik
- Kemampuan robot hanya mampu mendeteksi enam macam
gerakan. - Latar belakang obyek dibatasi warna terang
mendekati warna putih.
7PERANCANGAN SYSTEM
8Tujuan dan Manfaat
- Tujuan dari Tesis yang diusulkan ini adalah
mengidentifikasi isyarat tangan secara real-time,
yang berhubungan dengan teknik pengolahan citra
yang bergerak, tergantung dari waktu, tidak hanya
identifikasi satu pola tapi serangkaian pola yang
menjadi satu bahasa isyarat yang saling
berhubungan. - Untuk lebih jelas, maka diaplikasi pada suatu
robot yang dikendalikan jarak jauh, sehingga
robot akan mampu berinteraksi dengan manusia,
dengan memahami isyarat tangan yang dipelajari
oleh robot.
91. Hubungan penelitian sebelumnya
TINJAUAN PUSTAKA
- 1.1. Penelitian Sekitar Identifikasi isyarat
tangan - 2004 Real-Time Hand Gesture Telerobotic
System Using the Fuzzy C-Means Clustering
Algorithm 24 - 2005 Simultaneous Localization and
Recognition of Dynamic Hand Gestures 2.
10Real-Time Hand Gesture Telerobotic System Using
the Fuzzy C-Means Clustering Algorithm 24
11Simultaneous Localization and Recognition of
Dynamic Hand Gestures 2.
121.2. Penelitian Sekitar deteksi warna kulit pada
penelitian Mihaela Gordan 8
- Mihaela Gordan, Costin Miron, dan Apostolos
Georgakis dalam papernya An Optimal Feature
Selection Strategy For Fuzzy C-Means, Application
to Lip-To-Skin Discrimination, menjelaskan untuk
membedakan bibir dan kulit dengan menggunakan
Fuzzy C-Means (FCM) 8. Strategy yang dilakukan
adalah untuk melakukan segmentasi antara bibir
dan kulit berdasarkan gradiasi warnanya,
menggunakan 2 klasifikasi untuk membedakan warna
bibir dan kulit.
Gambar 2.10. Hasil FCM dengan versi nilai bobot
yang berbeda (a).Gambar Asli(b).Optimal
set((w1,w2)(0.60.4)) pada baris pertama, dan
((w1,w2)(10.4)) untuk baris kedua
(c).(w1,w2)(10.2) telah ditentukan(d).
w1w21 pada penelitian 8
134.Fuzzy Clustering
- Untuk mengelompokan para pengambil keputusan
menjadi kelompok-kelompok kecil, berdasarkan
persamaan karakteristik, dibutuhkan suatu
mekanisme tertentu.Pada proses pengclusteran
(clustering) secara klasik, pembentukan partisi
dilakukan sedemikian rupa sehingga setiap obyek
berada tepat pada satu partisi. Namun adakalanya
tidak dapat menempatkan suatu obyek tepat pada
suatu partisi, karena sebenarnya obyek tersebut
terletak diantara atau lebih partisi yang lain. - Pada logika fuzzy, ada beberapa metode yang dapat
digunakan untuk mengelompokan sejumlah data yang
sering dikenal dengan nama fuzzy clustering. - Dikatakan sebagai algoritma fuzzy clustering jika
dan hanya jika algoritma tersebut menggunakan
parameter strategi adaptasi secara soft
competitive (non-crips). Sebagian besar algoritma
fuzzy clustering didasarkan atas optimasi fungsi
obyektif atau modifikasi dari fungsi obyektif
tersebut.
14- Secara umum, algoritma pengclusteran dicirikan
berdasarkan ukuran kedekatan dan kriteria
penclusteran. Ukuran kedekatanan menunjukan
seberapa dekat kedekatan fitur antara 2 data,
sedangkan kriteria penclusteran biasanya
diekspresikan dengan menggunakan fungsi biaya
atau tipe aturan yang lainnya.
15Indeks Kekaburan
- Indek kekaburan adalah jarak antara suatu
himpunan fuzzy A dengan himpunan crisp C yang
terdekat.Himpunan crisp C terdekatdari himpunan
fuzzy A dinotasikan sebagai
- adalah fungsi jarak yang dapat digunakan
dalam mencari indeks kekaburan ,yaitu
16Fuzzy C-Means(FCM)
- Fuzzy C-Mean (FCM) adalah suatu teknik
pengklusteran data yang mana keberadaan tiap-tiap
titik data dalam suatu cluster ditentukan oleh
derajat keanggotaan. - Konsep dasar FCM pertama kali adalah menentukan
pusat cluster .pada kondisi awal pusat cluter ini
masih belum akurat .tiap data memiliki derajat
keanggotaan untuk tiap tiap cluster.dengan cara
memperbaiki pusat cluster dan nilai keanggotaan
tiap data secara berulang,maka akan dapat dilihat
bahwa pusat cluster akan bergerak menuju lokasi
yang tepat.Perulangan ini didasarkan pada
minimisasi fungsi obyektif.
17Fungsi obyek
- Fungsi obyek yang di gunakan pada FCM adalah
- Jw (U,VX) ....(2.26)
- dik d(xk-vi) ..(2.27)
J
x adalah data yang akan di cluster
Dan V adalah matriks pusat cluster
X
(2.28)
V
(2.29)
Nilai Jw terkecil adalah yang terbaik, sehingga
J(U,VX) minMfc J(U,VX)
Dimana Vij
18Algoritma FCM
- Input data yang akan di cluster X, berupa
matriks berukuran n x m (njumlah sampel data,
mattribute setiap data). - 2. Tentukan
- Jumlah cluster c
- Pangkat w
- Maksimum iterasi MaxIter
- Error terkecil yang diharapkan ?
- Fungsi obyektif awal P0 0
- Iterasi awal t 1
- 3. Bangkitkan bilangan random µik , dimana
i1,2,3,,n k1,2,.,c sebagai elemen-elemen
matriks partisi awal U.
Ui k
..................................................
............(2.3.1)
19 4. Hitung pusat cluster ke-k Vkj, dengan
k1,2,.,c dan j1,2,,m.
.............(2.32)
5. Hitung fungsi obyektif pada iterasi ke t, Pt
...(2.33)
6. Hitung perubahan matriks partisi
7. Cek kondisi berhenti - Jika ( Pt-Pt-1
lt ? ) atau ( t gt maxIter) maka berhenti
- Jika tidak tt1, ulangi langkah ke
-4.
.(2.34)
Dengan i1,2,..,n dan k1,2,c.
20Ekstrasi warna kulit tangan
Sample Warna Kulit
FCM
21Identifkasi Obyek
- Dibagi menjadi tiga tahap
- Tahap deteksi warna Kulit tangan ecluidean dari
pusat cluster yang diperoleh dari FCM - Tahap deteksi pola tangan dengan menetukan rule
yang sesuai dengan ekstrasi ciri dari bentuk
tangan menunjuk(nilai minimum dan maksimum) - Tahap identifikasi pola angka 1-6.(Virtual hand
writing) dengan JST metode LVQ.
Pola angka 1 Membuka Pola angka 2 Memutar
pergelangan tangan berlawan jarum jam Pola angka
3 Memutar pergelangan tangan searah jarum
jam Pola angka 4 Mengangkat lengan Pola angka
5 Menurunkan lengan Pola angka 6 Mengangkat
bahu
Matrik 340x240
Scaling
22Analisis Hasil Implementasi
- 1.Deteksi pergerakan(moving detection)
232. Deteksi warna kulit
- Jumlah Cluster n2
- Centroid Cluster untuk komposisi nilai RGB
adalah sebagai berikut - Variabel R G
B - Cluster 1 215.8150 215.6955 216.2086
- Cluster 2 130.0534 130.1567 136.3952
Uji Bukan Kulit Kebenaran rata-rata 30.055
termasuk cluster bukan kulit dan 69.945 salah
masuk ke cluster kulit.
Hasil pengujian obyek kulit 92.976 masuk
cluster kulit dan 7.024 salah cluster.
24Jumlah Cluster n3
- Centroid Cluster untuk komposisi nilai RGB
adalah sebagai berikut - Variabel R G
B - Cluster 1 143.6280 141.5842 148.1504
- Cluster 2 236.8239 238.0427 236.8182
- Cluster 3 110.2811 112.8534 118.5478
Uji Kulit Masuk pada cluster kulit 91.865 dan
8.0410 salah cluster.
Uji Bukan Kulit 99.866 termasuk cluster bukan
kulit dan 0.134 salah masuk ke cluster kulit
25Jumlah Cluster n4
- Centroid Cluster untuk komposisi nilai RGB
adalah sebagai berikut - Variabel R G
B - Cluster 1 157.8885 153.8926 160.9951
- Cluster 2 243.3227 244.8713 243.3313
- Cluster 3 129.9708 131.3354 137.1404
- Cluster 4 97.9261 99.3136 105.7863
Pengujian Kulit Masuk pada cluster kulit
90.5222 dan 9.4778 salah cluster.
Pengujian Bukan Kulit 99.9984 termasuk cluster
bukan kulit dan 1.5642 salah masuk ke cluster
kulit.
26Jumlah Cluster n5
- Centroid Cluster untuk komposisi nilai RGB
adalah sebagai berikut - Variabel R G
B - Cluster 1 180.0985 177.2377 181.7932
- Cluster 2 150.7088 146.7710 153.8652
- Cluster 3 96.9108 98.3328 104.7871
- Cluster 4 248.0088 249.6473 248.0593
- Cluster 5 127.7786 129.8867 135.5949
Uji Kulit Masuk pada cluster kulit 90.2834
dan 9.6956 salah cluster.
Uji Bukan Kulit 100 termasuk cluster bukan
kulit dan 0 salah masuk ke cluster kulit.
27Jumlah Cluster n6
- Centroid Cluster untuk komposisi nilai RGB
adalah sebagai berikut - Variabel R G
B - Cluster 1 108.0566 111.2288 115.4016
- Cluster 2 183.6440 181.0260 184.7063
- Cluster 3 248.7727 250.4015 248.8387
- Cluster 4 77.7784 74.5097 85.5881
- Cluster 5 130.5890 131.8171 137.7566
- Cluster 6 152.5665 148.4441 155.6935
Uji Kulit rata-rata kebenaran masuk pada cluster
kulit 3.2472 dan 98.3332 salah cluster.
Uji Bukan Kulit 99.3472 termasuk cluster bukan
kulit dan 1.3032 salah masuk ke cluster kulit.
28Uji segmentasi kulit tangan pada 5 Cluster
29Deteksi pola bentuk tangan
30Deteksi pola gambar pergerakan tangan sebagai
pengendali robot
Virtual Hand Writing
31(No Transcript)
32(No Transcript)
33(No Transcript)
34(No Transcript)
35(No Transcript)
36Hasil Pengujian LVQ
Maka ada 79.2 pola angka dapat dikenali sesuai
dengan target yang dimaksud.
37Kesimpulan
- Hasil deteksi pergerakan (moving detection)
kecepatan obyek mampu di tangkap kamera dengan
baik dalam 1 detik sebesar 91.07944, sedangkan
pergerakan obyek dengan kecepatan 0.5 detik dapat
ditangkap dengan kamera sebesar 63.62392. Hal
ini berarti makin cepat pergerakan obyek akan
mengurangi kemampuan deteksi obyek bergerak. - Hasil deteksi warna kulit menggunakan Fuzzy
C-Mean(FCM) pada jumlah cluster 5, mampu
melakukan identifikasi warna kulit sebesar kulit
90.2834 sedangkan dalam membedakan latar obyek
dapat melakukan identifikasi 100 dengan latar
obyek yang mendekati warna putih, makin sedikit
jumlah cluster maka latar belakang obyek makin
sedikit variasi yang mampu diidentifikasi,
sebaliknya makin banyak jumlah cluster maka makin
banyak obyek masuk ke cluster latar obyek. - Hasil identifikasi pola tangan, dimana ekstrasi
cirinya digunakan integral proyeksi, dengan
metode rule base dapat diidentifikasi 86.67. - Hasil gerakan tangan yang telah diidentifikasi
menghasilkan virtual hand writing, berupa pola
gambar angka 1 sampai 6. Dengan LVQ, setelah
dilakukan pengujian 79.2 pola angka dapat
dikenali sesuai dengan target - Robot dapat dikendalikan secara jarak jauh,
sesuai dengan pola pergerakan isyarat tangan yang
berupa virtual hand writing sebagai perintah yang
telah ditentukan.
38Workshop FCM
39(No Transcript)
40(No Transcript)
41Latihan
- Load data tsb.
- Lakukan Cluster untuk C3
- Cari Pusat Clusternya
- Hitung jarak terdekat
- Bila diketahui data
- 50 53 50
42Hitung Jarak
center 12.0639 16.8098 5.7917 51.
1034 60.8572 72.3837 25.1759 16.4762 2
9.1886
- uji50 53 50
-
- d(1)0
- d(2)0
- d(3)0
-
- n3
- m3
- lokasi1
- for k1n
- for l1m
- d(k)d(k)(uji(l)-center(k,l))2
- end
- jrk(k)sqrt(d(k))
- end
- minjrk(1)
- for h2n
- if mingtjrk(h)
- minjrk(h)
jrk 68.5803 23.7484 48.8194 hasil 2
43Session 2
- Fuzzy Database
- Sistem basis data berupakan suatu sistem
informasi yang menitegrasikan kumpulan data
saling berhubungan satu dengan yang lainnya dan
membuatnya tersedia untuk beberapa aplikasi dalam
suatu organisasi
44Basis Data Fuzzy Model Tahani
- Konsep Dasar
- Misal kita memiliki data mentah karyawan
sebagai berikut
45Bila diolah sebagai berikut
Biasanya Query
- SELECT NAMA FROM PKARYAWAN WHERE UMURlt35
- SELECT NAMA FROM PKARYAWAN WHERE GAJIgt1000000
- SELECT NAMA FROM PKARYAWAN WHERE Masa_Kerjalt5
and - Gajigt1000000
46Biasanya..
- Pada dasarnya, sesorang kadang membutuhkan
informasi dari data-ata yang bersifat ambiguous. - Apabila hal ini terjadui maka kita menggunakan
basis data fuzzy. - Ada beberapa penelitian tentang basis data fuzzy
salah satunya model tahani.
47Tetapi..kalo dicari ???/
- Siapa saja karyawan yang masih muda tapi memilki
gaji tinggi? - Siapa Sajakah karyawan yang masih mudah atau
karyawan yang memiliki gaji tinggi - Siapa saja-kah karyawan yang masih muda tapi masa
kerjanya sudah lama? - Siapa sajakah karyawan yang parobaya dan gajinya
sedang, atau karyawan yang parobaya tapi masa
kerjanya sudah lama?
48Basis data model Tahani
- Tetap menggunakan relasi standart, hanya saja
model ini menggunakan teori himpunan fuzzy untuk
mendapatkan querynya. - Misalkan
- 1. Kita menkatagorikan usia karyawan diatas ke
dalam himpunan MUDA, PAROBAYA, DAN TUA
Gambar Fungsi keanggotaan untuk variabel Usia
49Fungsi Keanggotaan
Muda
Parobaya
Tua
1
0
30 35 40 45 50
Umur
50Shg Tabel karyawan berdasarkan umur gn derajat
keanggotaan pada setiap himpunan
512. Variabel Masa Kerja
- Dikategorikan dalam himpunan BARU dan LAMA
1
0
Fungsi Keanggotaan
52Hasil tabel karyawan berdasarkan umur derajat
keanggotaan pada setiap himpunan
53Jawaban Soal
- Siapa sajakan karyawan yang masiH muda tapi masa
kerjanya sudah lama? - Query SELECT NAMA FROM KARYWAN WHERE
(UMURMuda) and (Masa_KerjaLAMA)
542. Variabel Gaji
Tinggi