Multimedia Mining

Proses akuisisi data mutimedia, kebutuhan akan media penyimpanan kerap kali dibutuhkan. Di sisi lain, jika data multimedia ini dianalisa, akan didapatkan banyak informasi yang diperoleh. Multimedia mining sangat erat dengan prose penggalian infomasi yang implisit dari data multimedia yang tersimpan.(Kotsiantis ). Multimedia mining lebih dari sekedar perluasan dari bidang data mining yang merupakan interdisplin dari berbagai disiplin seperti computer vision, multimedia retrieval, teks mining, machine learning dan data mining itu sendiri.
Multimedia mining mampu secara otomatis melakukan ekstraksi secara semantik informasi yang sangat berarti (knowledge) pada berkas multimedia. Dengan latar belang inilah, sejumlah metode diusulkan untuk melakukan pengukuruan sederhana dari aspek-apsek dalam berkas mutimedia. Sebagai contoh warna hitogram untuk gambar, estimasi energi untuk data audio dan peringkasan program Televisi (Automatic Summarization of TV Program).
Secara umum, sistem basis data multimedia menyimpan sejumlah besar informasi dalam objek yang berbeda, mulai dari teks, gambar dan suara. Oleh karena itu, diperlukan suatu tools yang mampu untuk menangani relationships komponen yang terdapat di dalam data multimedia itu. Pada multimedia mining, umunya dilakukan praproses terlebih dahulu dari masing-masing komponennya untuk memperbaiki kualitas datanya. Setelah itu, data multimedia melalui proses transformasi dan ekstraksi fitur yang bervariasi untuk dapat membangkitkan fitur penting dari data multimedia tersebut.

Proses Multimedia Mining
Menurut Kotsiantis et. al, proses multimedia mining dapat digambarkan pada Gambar 1 sebagai berikut:

Gambar 1 Model proses Multimedia Mining

Pada Gambar 1 dapat dijelaskan sebagai berikut. Data multimedia yang terdiri dari komponen teks, gambar dan audio mengalami proses ekstraksi fitur yang tentunya akan berbeda tekniknya. Sebagai contoh, untuk data teks akan dihasilkan token, dengan prose tokenisasi, data gambar, ekstraksi fitur dilakukan dengan kuantiasasi histogram, dan data suara ekstraksi fitur dilakukan dengan MFCC. Adapun ekstraksi fitur pada video, dapat dilihat dari jenis videoanya apakah produced video, raw video atau medial video. Setelah proses ekstraksi fitur dilakukan untuk setiap komponen pada data multimedia, berikutnya adalah dilakukan proses seleksi fitur untuk mendapatkan fitur yang mampu memberikan informasi dominan terhadap data. Tahap berikutnya adalah proses pelatihan atau training untuk mendapatkan model data yang representatif. Proses mendapatkan model dapat dilakukan dengan model klasifikasi, klastering atau model asosiasi.

Multimedia Retrieval
Multimedia Retrieval adalah bagian dari disiplin ilmu temu kembali informasi atau Information Retrieval yang difokuskan pada data multimedia. Temu kembali pada basis data multimedia biasanya mencakup kombinasi dari jenis data teks dan image (Bagherjeiran, et.al,). Karena pada Multimedia retrieval tidak hanya memiliki satu jenis objek data, maka model temu kembali (retrieval) yang dilakukan adalah temu kembali berbasis isi (content based Information Retrieval) karena pada data multimedia tidak hanya aspek teks saja yang bisa dijadikan sebagai kueri. Dengan kata lain ada aspek selain teks yang bisa dijadikan sebagai kuaeri seperti audio atau gambar. Adapun arsitektur dalam content based Information Retrieval untuk data multimedia dapat dilihat pada Gambar 2 (Wei & Li, 2004)

Gambar 2. Arsitektur Content Based Information Retrieval

Apabila dilihat, proses ekstraksi fitur dilakukan baik pada multimedia mining maupun pada multimedia retrival. Namun terdapat beberapa perbedaan yang ada antara multimedia mining dan multimedia retrieval. Berikut adalah perbedaannya.

Perbedaan Mendasar Multimedia Mining dan Multimedia Retrieval

Pada multimedia mining memiliki cakupan yang lebih luas bila dibandingkan dengan multimedia retrieval. Dengan kata lain, multimedia retrieval sebagai salah satu bagian dari multimedia mining.
Pendekatan yang dilakukan pada multimedia mining adalah data driven sedangkan pada multimedia retrieval adalah goal driven. Artinya pada multimedia mining lebih menekankan pada proses analisa data multimedia sehingga dapat menggali pengetahuan dari data tersebut. Adapun multimedia retrieval, lebih menekankan pada relevansi data multimedia yang ditemukembalikan.
Pada multimedia mining, dapat diketahui pola dan karakteristik dari data tersebut dengan adanya training set sehingga proses prediksi data sangat memungkian untuk dilakukan. Namun pada multimedia retrieval tidak dapat dilakukan karena proses yang terjadi adalah mengetahui hasil temu kembali berdasarkan kueri yang ada.

Referensi
Bagherjeiran A, N .S. Love C Kamath, Estimating Missing Features to Improve Multimedia Retrieval. Lawrence Livermore National Laboratory, Livermore, CA 94551
S. Kotsiantis, D, Kanellopoulos dan P. Pintelas. Multimedia Mining. University of Patras, Patras 26 500, Greece,
Wei C H, C T Li.2004. Design of Content-based Multimedia Retrieval.Department of Computer Science
University of Warwick Coventry CV4 7AL, UK

System – Preferences – Startup Applications
Pilih Network Manager atau tambahkan bila tidak ada.

Tambahkan dengan mengklik ADD dan ketikkan perintah berikut:

Restart komputer Anda

1. Pastikan Sistem Ubuntu 9.04 telah terinstalsi dengan baik dalam komputer Anda dan Pastikan Koneksi internat di
lingkungan Anda baik.

2. Melakukan konfigurasi repository Sabiliy 9.4 dengan mengetikkan pada command sebagai berikut
$ sudo wget http:// sabily.org/sources.list.d/’lsb_release -cs’.list –output-document=/etc/apt/sources.list.d/sabily.list; sudo apt-get -q update; sudo apt-get –yes -q –allow-unauthenticated install sabily-keyring; sudo apt-get update

ket: tunggu
beberapa saat hingga proses pengunduhan file sabily.list dapat berjalan dengan baik.

3. Setelah selesai menambahkan repository Ubuntu 9.04, lanjutkan ke tahapan instalasi paket Desktop-nya. Ketik perintah
berikut: $sudo apt-get install sabily

4. Setelah proses instalasi selesai, restart komputer Anda

5. Selamat mencoba.

Sumber: Infokomputer Edisi 09/2009

akan menyelenggarakan Seminar Opera and The Web (http://poss. ipb.ac.id/ opera)
di
Auditorium Gedung Andi Hakim Nasoetion, Kampus IPB Darmaga
Jumat, 14 November 2008 pk. 09.00 – 11.30 WIB

Tour universitas lintas dunia melalui seminar ‘Opera and The Web’ dan diskusi panel dengan para developer dari Web browser inovatif Opera, mengenai:
> Open Web Standar
> SEO (Search Engine Optimization) .

Ikuti seminar ini untuk meningkatkan pengetahuan seputar Web dan memperoleh pandangan baru mengenai tren teknologi, dengan Bruce Lawson dan Zibin Cheah sebagai pembicara dari Consumer Product Management and Developer Relations, Opera Software. Peserta dibatasi sebanyak 200 orang, mencakup semua kalangan yang ingin mengetahui tren teknologi web saat ini. Daftarkan segera diri Anda.

Untuk registrasi hubungi : Desca Marwantoni (0813 734 98 439) dan Karomatul Aulia (0857 102 67 448)
di Sekretariat Himalkom – Student Center Kampus IPB Darmaga(0251- 9350989).
Gratis Snack dan Merchandize bagi Peserta

Atau melalui registrasi online di http://poss. ipb.ac.id/ opera

Marimin, Yeni Herdiyeni, Toto Haryanto

Abstrak

Paper ini mendiskusikan mekanisme pendiagnosaan penyakit ayam yang dikembangkan dan diimplementasikan dalam suatu sistem pakar. Sistem pakar ini dinamakan Sistem Pakar Diagnosa Penyakit Pada Ayam (SPDPPA). Jenis penyakit yang dapat didiagnosa SPDPPA, yaitu Avian Influenza (AI), Newcastle Disease (ND) dan Infectious Laryngotracheitis (ILT). SPDPPA menggunakan fuzzy inference system (FIS) untuk memproses gejala klinis berupa data fuzzy, sedangkan gejala data non-fuzzy diproses dengan kaidah produksi atau aturan if–then. Keluaran dari SPDPPA adalah hasil identifikasi bahwa ayam terserang penyakit dengan tingkat kepercayaan tertentu. Berdasar verifikasi, hasil pengujian menunjukkan bahwa ayam yang terdiagnosa sementara mendukung ND, warna pialnya merah dengan suhu tubuh 43⁰C–45⁰C dan angka kematian 30 sampai 50 persen. Adapun untuk mendapatkan diagnosa sementara sangat mendukung ND, warna pialnya merah dengan suhu 43⁰C–45⁰C dan tingkat kematian 30–60 persen. Gejala non-fuzzy yang bersifat khas bagi penyakit ND adalah eksudat yang kental bening, kepala ayam yang berputar dan tinja yang berwarna hijau. Ayam yang terdiagnosa mendukung AI warna pialnya semakin memucat dengan suhu dan angka mati seperti pada penyakit ND. Di sisi lain, untuk mendiagnosa AI dengan tingkat sangat mendukung, kondisi warna pial sudah semakin membiru. Eksudat yang encer bening, perdarahan bawah kulit merupakan gejala non-fuzzy yang khas terlihat ketika ayam terkena Avian Influenza (AI). Pada pemeriksaan di lapangan baik gejala fuzzy maupun non-fuzzy dilakukan secara bersama-sama.

Kata kunci : sistem pakar, Avian Influence (AI), Newcastle Disease (ND), Infectious Laryngotracheitis (ILT), fuzzy inference system, kaidah produksi.

Saya mengajar selama hampir 200 menit (masya Allah lama kali….). Bikin capek memang. Tapi yaa.. itu bagian dari tugas dan tanggung jawab saya sebagai seorang pengajar. Dinikmati saja lah… . Tanpa terasa waktu sudah menunjukkan pukul 17.30 wib. Setelah saya berikan kesempatan mahasiswa untuk bertanya ternyata sepi-sepi saja. Dalam hati, ini mahasiswa ngerti apa bingung ya ?????. Tapi saya berpikiran positif bahwa mereka mengerti. Lha.. wong masih awal-awal kok… gampang!

Akhirnya saya tutup pertemuan pertama ini dengan sedikit lega. Huh.. alhamdulillah akhirnya selesai juga. Nanti nyambung lagi lain waktu. Di saat sedang membetulkan lenovo saya, tiba-tiba beberapa mahasiswa cowok datang dan bilang, “Pak Saya Pulang dulu ya… sambil meraih tangan saya terus mencium “. Saya tersentak kaget. Ya Alloh betapa lugunya dan hormatnya mereka mereka ini . Dalam hati, mungkin inilah kebiasaan mereka saat di SMA ya. Ketika bertemu bapak dan ibu guru, mereka mencium tangannya. Wah kalo yang yang datang cewek gawat.. (Astagfirullah 3X… bukan muhrim… ). Namun akhirnya saya bilang ” Wah saya malu nih gak usah dicium ah.. “: he…..he…

Tapi bukan itu yang saya garis atasi. Saya hanya melihat bahwa mereka adalah siswa baru yang datang ke lingkungan baru. Di sinilan tugas seorang dosen yang tidak hanya memberikan materi terus selesai. Jangan sampai sifat kesopanan / etika /attitude /softskill / dll yang semisalnya akan hilang ketika mengenyam bangku kuliah. Semoga kita bisa menjadi dosen yang tidak hanya berpredikat pengajar tapi juga pendidik.

-red-

……………………………..

…………………………………