Thursday, September 30, 2010

Contoh Aplikasi Yang Menerapkan Sistem Temu Kembali Informasi

SpamAssassin Aplication


http://spamassassin.apache.org

Deskripsi SpamAssassin :
- SpamAssassin adalah sebuah penyaring email untuk mengidentifikasi suatu spam.
- Aplikasi ini merupakan penyaring email yang menggunakan beragam tes untuk mengidentifikasi email massal yang tidak diminta oleh pemilik email, yang biasa dikenal dengan Spam.
- Tes pada aplikasi ini berlaku untuk email headers dan konten untuk mengelompokkan email menggunakan suatu metode statistik. Selain itu, SpamAssassin mempunyai arsitektur yang dirancang untuk dapat dengan mudah memeriksa email spam hampir ke semua sistem email.

Keunggulan SpamAssasin :
- SpamAssassin memiliki pendekatan multi-teknik, modularity, dan extensibility yang yang dapat memberi nilai lebih dari sistem anti-spam lainnya.
- SpamAssassin dapat digunakan baik pada email client maupun email server untuk menyaring email masuk dan email keluar, dan kita juga bisa menggunakannya pada banyak sistem operasi yang berbeda-beda.

Bagan SpamAssassin

Equalization Hitogram Using Matlab

Source code :

%load image
image=imread('gigi.jpg');
%image yang berwarna diubah menjadi grayscale
grayscale=rgb2gray(image);
%mengequalization histogram
histequal=histeq(grayscale);

%mengatur tampilan input dan output image beserta histogramnya
subplot(2,2,1);
imshow(grayscale);
title('Input Image');
subplot(2,2,2);
imshow(histequal);
title('Output Image');
subplot(2,2,3);
imhist(grayscale);
title('Original Histogram');
subplot(2,2,4);
imhist(histequal);
title('Equalization Histogram');

Monday, May 10, 2010

MANOVA

Langkah - Langkah Pengujian

One Way MANOVA

1. Menghitung SST (Treatment)



2. Menghitung SSs(DT) (error)



3. Mencari TSS(Total)

SST + SSE

4. Mencari Wilks Lambda

det(SSs(DT))/det (SST)

Mencari F Hitung

- df effect = (treatment - 1)
- df error = (treatment(n-1))

- P = Jumlah DV
- S = MIN(P, df effect)
- Y =
1/s
- df1 = P*df effect
- df2 = s
-
- Fhitung(df1, df2)
- Ftabel(df1, df2)
- Menarik kesimpulan


Two Way MANOVA


1. Mencari nilai SST (Treatment)



2. Mencari nilai SSD (Block)



3. Mencari nilai SSDT (Interaksi)


4. Mencari SSS(DT) (Error)



5. Mencari TTS(Total)



F Hitung ? (to be continued...)

Manova vs Anova

Manova

- Adanya lebih dari satu variabel dependent yang dianalisis secara bersama-sama.
- Model MANOVA : Y1 + Y2 +…+ Yn = X1 + X2 +...+ Xn
- Menguji perbedaan mean di antara kelompok-kelompok kombinasi dependent variabel numerik.
- One-Way MANOVA : >1 DV numerik dengan 1 IV kategorikal
- Two-Way MANOVA : >1 DV numerik dengan >1 IV kategorikal

Anova

- Hanya ada satu variabel dependent yang dianalisis
- Model ANOVA :Y1 = X1 + X2 + ... + Xn
- Menguji perbedaan mean pada variabel dependen untuk beberapa variabel independen.
- One-Way ANOVA : 1 DV numerik dengan 1 IV Kategorikal
- Two-Way ANOVA : 1 DV numerik dengan >1 IV Kategorikal