Abstract:
LIBSVM atau Library SVM, adalah sebuah Library pembelajaran komputer yang dikembangkan
oleh Chih-Chung Chang dan Chih-jen Lin dari Universitas Nasional Taiwan pada tahun 2009.
LIBSVM ini mempunyai 2 fungsi, yaitu fungsi Train dan Predict. Fungsi yang akan dipakai
pada skripsi ini yaitu fungsi Predict, yang digunakan untuk memprediksi model dan masukan
data yang akan dicari termasuk klasifikasi mana masukan tersebut. Hanya saja LIBSVM ini
biasa dijalankan pada komputer personal yang memiliki komputasi cukup tinggi, sehingga
membutuhkan penyesuaian sebelum dapat dijalankan pada sensor node Preon32, karena sensor
ini hanya memiliki tempat penyimpanan dan komputasi yang terbatas. Sensor ini untuk dapat
diprogram, membutuhkan sebuah komputer, dan sebuah kabel USB Tipe A versi 2.0 male ke
USB Tipe micro-A 2.0 male. Hasil dari data yang diproses oleh sensor dalam hal ini prediksi
menggunakan LIBSVM akan langsung ditampilkan melalui jendela console.
Sebelum melakukan porting akan terlebih dahulu dianalisis dari struktur kode program untuk
dilihat fungsi mana saja yang tidak berhubungan dengan fungsi predict dengan menampilkan
diagram kelas, analisis flowchat untuk mengetahui jalannya program, merancang program
berdasarkan analisis, menghapus fungsi-fungsi yang tidak digunakan serta membangun program
berdasarkan perancangan yang telah dibuat.
Selanjutnya program LIBSVM ini akan dilakukan pengujian menggunakan Kernel Linear dan
Tipe SVM C-SVC, dengan menggunakan datasets dan masukan yang di-generate oleh sensor itu
sendiri. Dilakukan juga perbandingan antara program yang sudah diporting ke sensor Preon32
dengan program asli dari LIBSVM sehingga dapat dilihat apakah hasil porting program pada
sensor menghasilkan keluaran yang sama atau tidak dengan program asli LIBSVM.
Pada skripsi ini setelah berhasil dilakukan porting LIBSVM khususnya fungsi prediksi ke node
sensor Preon32, menghasilkan prediksi yang sama degan ketepatan 100% antara menggunakan
kode asli LIBSVM dengan kode yang sudah diporting ke sensor. Hanya saja penggunaan Kernel
yang berbeda yaitu pada Kernel Polynomial hasil prediksi akan menampilkan angka yang berbeda
dengan apa yang dijalankan pada kode program LIBSVM yang sudah diporting menggunakan
Kernel Linear, sementara pada Kernel RBF atau Radial Basis Function jumlah support vector
yang akan dihasilkan lebih dari 100 baris sehingga sensor tidak mampu mengolah data tersebut.