Soft Computing

June 22, 2006

Metrologi dan Akustik

Filed under: colloquium — softcomputing @ 3:56 am

Colloquium disajikan oleh Denny Hermawanto, Lembaga Ilmu Pengetahuan Indonesia

Resume

Metrologi adalah ilmu mengenai pengukuran. Ada 3 hal utama yang menjadi fokus metrologi yaitu penetapan definisi satuan ukur, perwujudan satuan ukur dan penetapan rantai ketertelusuran. Dalam ilmu metrologi dikenal mengenai ketidakpastian yaitu ukuran kuantitatif mutu dari sebuah hasil pengukuran, sehingga hasil pengukuran tersebut dapat diperbandingkan dengan hasil- hasil pengukuran lain, acuan, spesifikasi atau standar karena setiap semua pengukuran cenderung mengandung kesalahan. Akustik metrologi adalah salah satu bidang metrologi yang mengkhususkan pada pengukuran suara, khususnya alat ukur akustik. Microphone dan sound level meter adalah alat ukur utama dalam bidang akustik yang perlu dijamin bahwa hasil pengukurannya sesuai dengan nilai yang sebenarnya. Untuk menjamin kebenaran besaran yang terukur maka alat ukur akustik seperti microphone dan sound level meter tersebut perlu dikalibrasi. Hasil pengukuran akustik yang benar akan berpengaruh pada kebenaran hasil analisa dan merupakan jaminan kepercayaan terhadap sebuah kebijakan.

Advertisements

June 19, 2006

Catatan Aktifitas Milis 9 Juni – 19 Juni 2006

Filed under: aktifitas milis — softcomputing @ 12:04 pm

Keterangan :

Angka yang terdapat di dalam [ ] adalah nomer posting pada yahoogroups. Misalnya [123] adalah posting No.#123, dapat diakses dari http://groups.yahoo.com/group/sc-ina/message/123

A. Paper & Artikel

  • IEEE CIS Electronic Letter, June 2006 [790]
  • T.R.Golub et al., "Molecular Classification of Cancer: Class Discovery and Class Prediction by Gene Expression Monitoring", Science, Vol.286, pp.531-537, 1999 [799]
  • J.Khan, "Classification and diagnostic prediction of cancers using gene expression profiling and artificial neural networks", Nature Medicine 7, pp.673-679, 2001 [799]
  • M. Asada et al., "RoboCup: Today and Tomorrow What we have learned", Artificial Intelligence, Vol.110, pp.193-214, 1999 [799]
  • Jmlr-announce Digest, Vol 22, Issue 1 [806]

B. CFP, Conference & Workshop

C. Colloquium

  • Colloquium :
    1. 8-19 Juni 2006
      Judul : Non-Linear Classification Using Ensemble of Linear Perceptron [787]
      Penyaji : Pitoyo Hartono (Future University-Hakodate)
      Moderator : Son Kuswadi & Agus Zainal Arifin
    2. 19-30 Juni 2006
      Judul : Metrologi dan Akustik
      Penyaji : Denny Hermawanto (LIPI)
      Moderator : Son Kuswadi & Agus Zainal Arifin
  • Jadwal Colloquium dapat dilihat dari : http://penguin.life.chukyo-u.ac.jp/~nugroho/jadwal.pdf
  • Rekan-rekan yang berkeinginan mempresentasikan penelitiannya dalam colloquium, silakan menghubungi administrator milis (Son Kuswadi & Anto S. Nugroho)
  • Lomba Logo dan Moto INOVASI [804]

D. Diskusi

  • Update jadwal colloquium [791]
  • AI, Robotic, Soccer [794]
  • Time Series Neural Network [795]
  • Paper & data microarray [799]

E. Pertanyaan belum terjawab

  • Apa beda antara fitness function & fitness criteria dalam task klasifikasi datamining ? [754]
  • Apakah ada yg mengetahui Transition Probability/Markov (TPM) dan neuro-fuzzy [630]
  • kurikulum bioinformatika di UGM [588]
  • Exponentially Weighted Moving Average (EWMA) : apa kelebihannya, dan bagaimana perbedaan pada hasil yg diperoleh, dibandingkan dg neural network ? [547]
  • Customable application [514]
  • Mengapa grafik ROC yg diperoleh pada video object extraction tidak mudah dianalisa ? (Surya) [505]
  • Di mana bisa beli software Problem Based Learning (PBL) for Administrators [705]

F. Koleksi data, paper, dan arsip milis yang lain.

G. Lain-lain

  • Jumlah Anggota milis : 202 alamat aktif + 24 alamat bouncing = 226 alamat

June 8, 2006

Catatan Aktifitas Milis Softcomputing 21 Mei – 9 Juni 2006

Filed under: aktifitas milis — softcomputing @ 11:50 pm

Keterangan :

Angka yang terdapat di dalam [ ] adalah nomer posting pada yahoogroups. Misalnya [123] adalah posting No.#123, dapat diakses dari http://groups.yahoo.com/group/sc-ina/message/123

A. Paper & Artikel

B. CFP, Conference & Workshop

C. Colloquium

  • 16-31 Mei 2006
    • Judul : Pengembangan sistem prediktor efektifitas terapi interferon bagi pasienHepatitis C kronis memakai Support Vector Machine [720]
    • Penyaji : Anto S. Nugroho (TIK-BPPT, Chukyo University)
    • Moderator : Agus Zainal Arifin (Hiroshima University) & Son Kuswadi (ITS)
  • 8-19 Juni 2006
    • Judul : Non-Linear Classification Using Ensemble of Linear Perceptron [787]
    • Penyaji : Pitoyo Hartono (Future University-Hakodate)
    • Moderator : Son Kuswadi (ITS) & Agus Zainal Arifin (Hiroshima University)
  • Jadwal Colloquium dapat dilihat dari :
    http://penguin.life.chukyo-u.ac.jp/~nugroho/jadwal.pdf
  • Rekan-rekan yang berkeinginan mempresentasikan penelitiannya dalam colloquium, silakan menghubungi administrator milis (Son Kuswadi & Anto S. Nugroho)

D. Diskusi

  • Gempa Yogya [755]-[769], [771]
  • Disaster prevention [772]
  • SC application in earthquake : howto [765]
  • Data suara sensor merapi [776]
  • Pemindahan arsip yahoogroups ke server di Nugroho-Lab. [786]

E. Pertanyaan belum terjawab

  • Apa beda antara fitness function & fitness criteria dalam task klasifikasi datamining ? [754]
  • Apakah ada yg mengetahui Transition Probability/Markov (TPM) dan neuro-fuzzy [630]
  • kurikulum bioinformatika di UGM [588]
  • Exponentially Weighted Moving Average (EWMA) : apa kelebihannya, dan bagaimana perbedaan pada hasil yg diperoleh, dibandingkan dg neural network ? [547]
  • Customable application [514]
  • Mengapa grafik ROC yg diperoleh pada video object extraction tidak mudah dianalisa ? (Surya) [505]
  • Di mana bisa beli software Problem Based Learning (PBL) for Administrators [705]

F. List file di arsip milis (nama dalam tanda kurung adalah kontributor)

G. Lain-lain

  • Perkenalan Anggota baru : Wahyudi [746], Edwin Ridwan [770]
  • Jumlah Anggota milis : 195 alamat aktif + 21 alamat bouncing = 216 alamat

Non-Linear Classification Using Ensemble of Linear Perceptrons

Filed under: colloquium — softcomputing @ 11:09 pm

Colloquium disajikan oleh Pitoyo Hartono, Future University-Hakodate, Hakodate City, Japan

Resume

Recently, several models of neural networks ensemble have been proposed, generally with the objective of achieving a higher generalization performance compared to the singular neural network. Some of the ensembles, represented by Boosting and Mixture of Experts, proposed mechanisms to divide the learning space into a number of sub-spaces and assign each sub-space into one of the ensemble's member, hence the learningload of each member can be relaxed, leading to better convergence and performance. In this paper, an ensemble of linear perceptron (ELP) with an algorithm that effectively divides the learning space in a linear manner, and assign the classification task of each sub-space to a linear perceptron, is proposed. The objective of this algorithm is to achieve a linear decomposition of a nonlinear problem through an automatic divide and conquer approach. In ELP, in addition to the ordinary output neurons, each linear perceptron has an additional neuron in its output layer. The additional neuron is called confident neuron, and produces an output that indicates the gconfidence levelh of the perceptron with regard to its ordinary output. An output of the perceptron which has a high confidence level can be considered as a reliable output, while an output with low confidence level is an unreliable one. The proposed ELP is equipped with a competitive mechanism for learning space division based on the confidence levels and at the same time to train each member to perform in the assigned sub learning space. The linearity of each member also enables us to analyze the division of the problem space that can be useful in understanding the structure of the problems and also to analyze the overall performance of the ensemble.

Pengembangan sistem prediktor efektifitas terapi interferon bagi pasien Hepatitis C kronis

Filed under: colloquium — softcomputing @ 10:45 pm

Colloquium disajikan oleh Anto Satriyo Nugroho, PTIK-BPPT & Chukyo University, Japan
Resume

Di journal Science tahun 1989, Chiron Co. melaporkan penemuan virus yang deretgenome-nya berlainan dengan virus hepatitis A dan hepatitis B. Virus itu kemudian disebut Hepatitis C. Hepatitis C dewasa ini merupakan satu penyakit penting di dunia, yang menyerang sekitar 170 juta orang (tahun 2005). Adapun di Jepang, pada tiap 100 orang diperkirakan penderita Hepatitis C kronis berkisar antara 1 sampai 2 orang. Tingginya rasio ini menyebabkan Hepatitis C sering disebut "kokuminbyou" (penyakit rakyat) di abad 21. Hepatitis C kronis disebabkan oleh terkontaminasinya peredaran darah dengan virus,sehingga terjadi inflamasi pada lever selama lebih dari 6 bulan. Akibatnya terjadi kerusakan sel, yang menyebabkan fungsi lever menjadi tidak normal. Dari data statistik, diperkirakan jika tidak dilakukan terapi terhadap penderita hepatitis C, dari 200 orang pasien hanya 1 orang saja yang mungkin bisa sembuh (0.5%). Salah satu metode pengobatan hepatitis C adalah memakai Interferon (IFN). Interferonberfungsi untuk menghambat pertumbuhan virus hepatitis C. Diperkirakan pemakaian interferon dapat meningkatkan angka kesembuhan hingga 30%. Tetapi, di sisi lain,pemakaian interferon ini diikuti oleh efek samping yang memberatkan pasien. Efek samping tsb. antara lain : Flu-like syndrome, menurunnya sel darah putih (leucocyte),rambut rontok (IFN-alpha), albuminuria (IFN-beta), dsb.

Berhasil tidaknya terapi interferon ini baru diketahui 6 bulan kemudian, dengan caramelakukan pemeriksaan HCV-RNA pasien. Bila hasilnya negatif, berarti terapi itu efektif. Tapi bila ternyata kadar HCV-RNA pasien tidak turun, berarti interferon itu tidak efektif.

Mengingat beratnya resiko efek samping yang ditimbulkan, sebaiknya terapi interferon ini tidak dilakukan kepada pasien yang hasil terapinya diperkirakan tidak berhasil. Kepada mereka lebih baik diberikan terapi selain interferon, yang memiliki potensi keberhasilan lebih tinggi. Hal ini menunjukkan perlunya suatu sistem cerdas yang mampumemperkirakan efektif tidaknya interferon, sebelum terapi dijalankan.

Paper ini membahas prediksi efektifitas terapi interferon pada pasien memakai Support Vector Machine (SVM). Tujuan dari sistem ini adalah membantu tugas dokter untuk memilih terapi yang tepat bagi pasien. Jika ternyata hasil prediksi menunjukkan interferon tidakefektif, dokter dapat memberikan terapi lain yang mungkin lebih sesuai bagi pasien.

Informasi yang diolah oleh SVM berasal dari hasil diagnosa darah pasien dan faktor lain,yaitu : Hepatobiopsy, HCV-RNA, HCV gene-type dsb. (lihat Tab.I). Total sebanyak 30 faktor yang diamati. Tentunya tidak semua informasi ini bermanfaat bagi prediksi.Untuk itu pada tahap preprocessing, dilakukan pemilihan feature (Feature Subset Selection disingkat FSS), berdasarkan Fisher Criterion Score. Data yang diolah berasal dari pasien yang berobat ke Nagoya University Hospital, dari tahun 1997-2004. Dari sekitar 300 sampel, akhirnya diperoleh 112 sampel data yang cukup layak untuk dianalisa. Mengingat keterbatasan data yang ada, estimasi performa SVM dilakukan dengan leave-one-out cross validation. Score terbaik yang diperoleh oleh SVM adalah 84%, sedangkan k-Nearest Neighbour Classifier81%, dimana dimensi data direduksi hingga 5. Kalau ke-30 feature dipakai seluruhnya, score SVM 78% sedangkan k-Nearest Neighbour Classifier 71%. Hal ini menunjukkan bahwapemakaian FSS pada k-Nearest Neighbour memberikan recognition rate peningkatan sebesar 10%, sedangkan SVM sebesar 6%. Hal ini menunjukkan bahwa SVM relatif lebih robust terhadapkeberadaan feature yang tidak relevan (noise) dibandingkan k-Nearest Neighbour. Lima buah feature yang terpilih untuk tiap fold (pada eksperimen ini karena memakai leave-one out CV, berarti ada 112 fold) diperiksa, dan diurutkan berdasarkan ranking mereka. Hasil analisa menunjukkan bahwa HCV-RNA, Hepatobiopsy, dan HCV-gene type menempati posisi teratas. Hal ini sesuai dengan pendapat dari praktisi medis, bahwa ketiga faktor ini telah diketahui memiliki kaitan erat dengan Hepatitis C. Pemakaian ribavirin sebenarnya diharapkan terpilih sebagai feature yang penting, tetapi ternyata hanya menempati urutan ke 17. Hal ini dikarenakan pada data eksperimen yang terbatas ini, ribavirin tidak memberikan kontribusi yang signifikanuntuk diskriminasi kedua buah kelas. Dengan memakai database yang lebih besar, diharapkan faktor-faktor penting yang dapat dipakai untuk memprediksi efektifitas terapi inteferon dapat diidentifikasikan lebih baik.


Referensi :

A.S. Nugroho, J. Yang, S. Kuroyanagi, A. Iwata and K. Yamauchi: Prediction of interferon efficacy in chronic Hepatitis C treatment using Support Vector Machine, Trans. of the Japanese Society for Medical and Biological Engineering, Vol.11, Suppl.1, pp.594, 2006 (The 45th Annual Conference of Japanese Society for Medical and Biological Engineering, May 2006)

Blog at WordPress.com.