Porting LIBSVM ke node sensor Preon32

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.