Self Organizing Feature Map (SOM)

1. Apakah SOM itu ?

Salah satu teknik lain untuk menganalisa data pada dimensi tinggi adalah dengan SOM (Self Organizing Feature Map). SOM dikembangkan Prof. Teuvo Kohonen (Finland) untuk memproyeksikan data ke 1 atau 2 dimensi, dengan mempertahankan topologi data tsb. (topological mapping). Data yang di ruang vektor berdimensi tinggi berdekatan, saat dipetakan ke ruang vektor 2D, akan terletak pada lokasi yang berdekatan pula, vice versa.

2. Algoritma SOM

Algoritma SOM adalah sbb.

  1. Inisialisasi random reference vector untuk tiap neuron. Misalnya struktur yang dipakai adalah two-dimensional array SOM, diatur pada array n x n. Tiap vektor berdimensi d, sama dengan dimensi data.
  2. Untuk tiap input vector training data x, tentukan best-matching neuron. Yaitu neuron yang memiliki jarak terdekat dengan input vector x, diukur memakai Euclidean distance. Neuron ini disebut winner.
  3. Update-lah reference vector dari winner neuron ini dan neighboring neuron. Neighboring neuron ini didefinisikan sebagai neuron yang topographically berada pada posisi yang dekat dengan winner neuron di array n x n. Misalnya pada gambar di bawah (klik-lah untuk memperbesar), jika neuron yang berwarna merah adalah winner neuron untuk suatu input vector, maka neighboring neuron untuk winner neuron ini adalah mereka yang terletak di dalam lingkaran area, yang didefinisikan dengan Nc(t1), Nc(t2), …dst. Nc(t1) adalah batas area pada iterasi ke-1, Nc(t2) adalah batas area pada iterasi ke-2, dst. Radius area semakin lama semakin menyempit, misalnya sebagaimana didefinisikan oleh persamaan (3). Reference vector diupdate berdasarkan persamaan (1), sedangkan neuron yang secara topografi terletak jauh dari winner neuron tidak diupdate (persamaan (2) ). Persamaan (3) mendefinisikan learning rate yang dipakai studi saya [4].

Step ke-3 ini yang membedakan SOM dengan algoritma vector quantization yang lain, karena proses mapping dilakukan secara terurut (ordered mapping) dan merefleksikan distribusi vektor x.  Konsekuensinya data yang dipetakan pada suatu neuron S, akan memiliki kemiripan karakteristik dengan data yang dipetakan ke neuron yang secara topografi terletak didekat neuron S. Dengan kata lain, data yang pada ruang vektor dimensi tinggi terletak berdekatan, akan dipetakan ke neuron pada two-dimensional-array yang berdekatan juga.

3. Aplikasi SOM

Salah satu contoh SOM yang populer adalah World Poverty Map. Gambar yang terdapat pada situs tersebut memetakan tingkat kemakmuran negara-negara di dunia yang diukur berdasarkan berbagai parameter/indikator. Di web tsb. disebutkan banyaknya indikator/parameter nya 39 jenis. Tentunya hasil evaluasi ini berupa data berdimensi tinggi (39 dimensi). SOM dipakai untuk memetakan data kemakmuran itu ke dalam data dua dimensi. Negara yang tingkat kemakmurannya sama, akan terletak pada lokasi yang berdekatan dan berwarna sama. Indonesia (IDN) terletak di warna ungu. Negara yang tingkat kemakmurannya dekat dengan Indonesia adalah Burma. Baru setelah itu diikuti dengan Cina (CHN), Turki (TUR), dan Madagaskar (MDG). Tetapi data ini dibuat berdasarkan data worldbank statistics pada tahun 1992. Tentunya kondisi saat ini sudah jauh berubah. Cina mungkin sudah terletak pada posisi yang dekat dengan Jepang.

Selain world poverty map, aplikasi SOM yang lain a.l. WebSOM. WebSOM memetakan relasi antar dokumen di internet ke peta dua dimensi. Dua buah kata kunci yang memiliki pengertian berdekatan, akan terletak pada jarak yang berdekatan.

Saya coba aplikasikan SOM pada data huruf Kanji. SOM pada eksperimen ini memiliki 144 neuron, yang disusun dalam two-dimensional grids, berukuran 12×12. Kanji yang dipakai sebanyak 2965 (JIS-1). Gambar di bawah adalah plot reference vector dari ke-144 neuron pada tiga kondisi : awal, tengah dan akhir proses learning. Masing-masing gambar tersebut adalah plot pada iterasi ke 0 (awal), 10 dan 100. Pada iterasi ke-0, weight di inisialisasi dengan random value. Setelah 10 kali iterasi, dapat dilihat pola yang mulai terbentuk. Di akhir proses, yaitu iterasi ke 100, bagian root dari Kanji tampak menonjol. Hal ini menunjukkan root dari huruf-huruf Kanji yang best-fit dengan neuron itu. Terlihat dengan jelas bahwa root yang memiliki bentuk mirip akan terletak berdekatan. Kimbeng, Ninben, dan berbagai root yang mirip terletak pada deret atas. Setelah itu baru diikuti dengan Kanji yang memiliki root sansuihen, dan seterusnya.

Referensi

  1. T. Kohonen, Self-Organizing Maps, Springer Series in Information Sciences, Vol. 30, Springer, Berlin, Heidelberg, New York, 1995, 1997, 2001.
  2. Kumpulan link-nya dapat dilihat di http://www.cis.hut.fi/research/som-research/
  3. Demo dapat dilihat di http://www.cis.hut.fi/research/demos.shtml
  4. A.S. Nugroho, S. Kuroyanagi, A. Iwata : Mathematical perspective of CombNET and its application to meteorological prediction, Special Issue of Meteorological Society of Japan on Mathematical Perspective of Neural Network and its Application to Meteorological Problem, Meteorological Research Note, No.203, pp.77-107, October 2002 (Japanese Edition)

Iklan

Tentang Anto Satriyo Nugroho

My name is Anto Satriyo Nugroho. I am working as research scientist at Center for Information & Communication Technology, Agency for the Assessment & Application of Technology (PTIK-BPPT : Pusat Teknologi Informasi & Komunikasi, Badan Pengkajian dan Penerapan Teknologi). I obtained my doctoral degree (Dr.Eng) from Nagoya Institute of Technology, Japan in 2003. My office is located in Serpong, Tangerang Selatan City. My research is on pattern recognition and image processing with applied field of interests on biometrics identification & development of computer aided diagnosis for Malaria. Should you want to know further information on my academic works, please visit my professional site at http://asnugroho.net
Pos ini dipublikasikan di neuro. Tandai permalink.

15 Balasan ke Self Organizing Feature Map (SOM)

  1. chalin berkata:

    bukunya T Kohonen Self Organizing Map kalo mau dapetin di yogyakarta gimna caranya?

  2. polo berkata:

    penjelasannya susah dimengerti…
    adakah bukunya di jual di bandung?
    penjelasan yang gampang dimengerti..
    klo bapak punya pdf nya, minta donk, beserta contohnya.
    minta tolong kirim ke email ya…..

    thx…
    polo
    (lagi studi ttg ini juga)

  3. kuratachieko berkata:

    ada hubungannya gak, antara SOM dengan LVQ (Learning vector quantization)?

  4. sukma berkata:

    bisa minta tolong?
    saya sedang mengerjaka TA tentang Arabian Character Recognize menggunakan JST SOM.
    bisakah anda bimbing saya mulai dari ekstraksi ciri yang digunakan sampai pengenalan karakternya?
    algoritma seperti apa yang digunakan. jika berkenan tolong anda bantu saya….cuma minta algoritma ko, bukan sintaxnya
    kalo sintax entar saya mikir sendiri, soalnya make matlab
    thanks yah…..

  5. Wahyu berkata:

    Bagaimana saya bisa mendapatkan bukunya pak Kohonen ? saya ada di Yogyakarta.
    Saya butuh artikel-artikel khususnya mengenai Kohonen (SOM) untuk forecasting/prediction.
    Yang saya banyak jumpai adalah untuk patern rcognation.
    Terimakasih.

    Mas Wahyu,
    Saya punya buku SOM-nya Kohonen, tapi ada di Solo.

  6. Ibnu berkata:

    saya sedang mengerjakan TA mengenai ABC costing dengan menggunakan JST. JST dipakai untuk mengelomopokan aktivitas2 yang ada.

    yang saya mau tanyakan metode JST apa yg kira2 cocok?
    apakah bisa memakai SOM ini?
    jika bisa, lebih cocok mana dengan jika menggunakan LVQ (sebab, ada teman saya yg bilang, jika permsalahan seperti ini biasa memakai LVQ)

    Terima kasih.
    Ibnu

  7. enchi berkata:

    Pak boleh saya minta tolong? Sekarang saya sedang mengerjakan TA tentang identifikasi personal berdasar telapak tangan (‘principal linenya’) menggunakan matlab. Di proses ekstraksi ciri saya menggunakan filter 2D gabor wavelet, nah untuk pengenalan polanya sendiri saya berpikir menggunakan JST SOM. Apa menurut bapak ekstraksi ciri dan JST ini cocok saya pilih? Dan ketika saya mencoba menggunakan ekstraksi ciri gabor wavelet ini, terkadang vektor ciri yang dihasilkan untuk gambar yang sama berubah, padahal sepengetahuan saya vektor ciri tersebut seharusnya sama, itu kenapa ya Pak? Mohon Bapak berkenan membimbing saya? Terima kasih…

  8. raden mas aryo berkata:

    met pagi bapak,
    langsung saja
    saya sedang mengerjakan thesis yang saat ini saya menggunakan salah satu metode kohenen SOM
    dimana saya bisa lebih detail mendapatkan referensi informasi tentang SOM

    merci

  9. fauziah berkata:

    pagi pak..
    saya mau tanya apa perbedaan JST Self Organizing Map dengan JST KOHONEN?
    terima ksih pak..

  10. Bagus berkata:

    Halo Pak, salam kenal menarik sekali blog Anda
    ehm well ,saya juga sedang belajar SOM-Kohone untuk tugas Akhir saya untuk predictive maintenance ,
    ehm,klo ndak keberatan mau ndak bapak mengshare junrnal yang berkaitan dengan kohonen milik bapak ke Saya ( maap nih ,saya ngeras ndak enak juga sih ) soalnya banyak jurnal yang saya ndak mampu mendapatkanya ..he..he…

    atau boleh saya minta Ym bapak jika ada untuk berdiskusi atau alamat email bapak ?

    terima kasih

  11. andi berkata:

    numpang copast bwt tugas kuliah

  12. ziziya berkata:

    kalo di bandung beli buku SOM nya dimana ya ? ada yang tau ? butuh ni buat TA ..

  13. gita fadila fitriana berkata:

    Kalo sya kan sedang mengerjakan TA pengenalan tulisan tangan menggunakan metode som ini namun ekstrasi ciri dengan menggunakan united moment invariant? kira2 itu ccok ga ya pak untuk mendapatkan akurasi yang baik di atas 70 persen? mohon balasannya pak serta bimbingannya. trima kasih pak 🙂

  14. Terimakasih tulisannya sangat jelas pak.. terutama yang bagian neighborhood function, saya ingin menanyakan mengenai pengaruh nilai learning rate yang besar dan kecil pada SOM. Terima Kasih pak

  15. Tulisannya sangat menarik pak, terutama pada bagian neighborhood functionnya, saya ingin menanyakan mengenai pengaruh learning rate yang besar dan kecil pada SOM. terima kasih pak

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google+

You are commenting using your Google+ account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s