Ini postingan teman dari milis IndoMS:

Dear all,

Mau punya “paper instan” atas nama anda? Mungkin link di bawah ini bisa “memenuhi” keinginan anda. Tapi jangan salah, tujuan paper generation disini adalah “ to maximize amusement, rather than coherence”, lebih pada peningkatan nilai paper sebagai “bahan tertawaan”. Saya tadinya juga heran saat pertama diberitahu supervisor saya tentang link ini, tapi akhirnya saya memahami bahwa tujuan mereka adalah untuk ngetest konferensi atau jurnal abal-abal yang hanya mementingkan pemasukan dana. Lebih lanjut silahkan simak deskripsi mereka dan “layanannya”pun bisa langsung dinikmati…..

antoniuscp fkip

klik "Jurnal Instan" di blogroll

1. Klasifikasi dan analisis diskriminan pada pada data multivariat. Seminar Hasil Penelitian MIPA, 28-29/9/2012, FMIPA UGM Yogyakarta
2. KPCA pada klasifikasi maximum likelihood. Konferensi Nasional Matematika VI, 3-6/7/2012, UNPAD Bandung
3. Principal component analysis as input processing for the obyect data classification. The 6th SEAMS-GMU International Conference on Mathematics and Its Applications, 12-15/7/2011, Gadjah Mada University Yogyakarta
4. Ekstraksi fitur data remote sensing. Seminar Nasional Matematika 2010, 06/02/2010, UI Depok
5. Rule-based classification pada data remote sensing di atas wilayah Kota Gorontalo. Konferensi Nasional Matematika XV, 30/6-3/7/2010, UNIMA Manado
6. Visualisasi data melalui PCA dibandingkan dengan KPCA. Seminar Nasional Matematika 2009, 28/2/2009, UNEJ Jember
7. Analisis komponen utama probabilistik pada data missing. Forum Komunikasi Mahasiswa S3 Matematika se-Indonesia 2008, 31/5/2008, UGM Yogyakarta

DAFTAR PUSTAKA

• Bishop, C. M. Dan Svensén, M., 2009, Pattern Recognition and Machine Learning, Solution  to the Excercises: Web-Edition. http://research.microsoft.com/ ∼cmbishop/PRML
• Campbell, J. B., 1996, Introduction to Remote Sensing. London: Francis & Taylor
• Darlington, R. B., 1997, Multivariate analysis. http://www.psych.cornell.edu/ darlington/manova.htm
• Djakaria, I., 2012, KPCA pada klasifikasi maximum likelihood.Paper disampaikan pada Konferensi Nasional Matematika VI, 3-6 Juli 2012. Bandung: Jurusan Matematika FMIPA UNPAD
• Djakaria, I., Guritno, S., Sri H.,2011, Principal component analysis as input processing for the obyect data classification.Paper disampaikan pada The 6th SEAMS-GMU 2011, International Conference on Mathematics and Its Applications, on July 12-15, 2011. Yogyakarta: UGM
• Djakaria, I., Guritno, S., Sri H., 2010a, Visualisasi data Iris menggunakan analisis komponen utama dan analisis komponen utama kernel. Jurnal Ilmu Dasar (terakreditasi), vol.11, 1, 31-38, Januari 2010.Jember: FMIPA UNEJ.
• Djakaria, I., Guritno, S., Sri H.,2010b, Ekstraksi fitur menggunakan PCA. Prosiding SNM – 2010. Depok: Dep. Matematika FMIPA UI
• Dunteman, G.H., 1989, Principal Component Analysis. Newbury Park: Sage Publications
• Friedman, J., Hastie, T., dan Tibshirani, R., 2008, The Elements of Statistical Learning. Standford, California
• Izenman, A. J., 2008, Modern Multivariate Statistical Techniques; Regression, Classification, and Maningfold Learning. New York: Springer
• Jackson, J.E., 1991, A User’s Guide to Principal Component. New York: John Wiley & Sons, Inc
• Johnson, R. A. Dan Wichern, D. W., 2007, Applied Multivariate Statistical Analysis, 6th edition. New Jersey: Printice Hall
• Jolliffe, I.T., 2002, Principal Component Analysis, 2ndEdition. New York: Spinger
• Judge, G. G., Griffiths, W. E., Hill, R. C., Lütkepohl, H., dan Lee, T-C., 1985, The Theory and Practice of Econometrics, 2nd ed. Canada: John Wiley & Sons
• Pickup, L., Roberts, S., dan Zisserman, A. (dalam Milanfar, P., editor), 2011, Multiframe Super-Resolution from a Bayesian Perspective. Super-Resolution Imaging. New York: Taylor & Francis Group
• Rawlings, J.O., Pantula, S.G., Dickey, D.A., 1998, Applied Regression Analysis: A Research Tool, 2ndEdition. New York: Springer
• Raykov, T. Dan Marcoulides, G. A., 2008, An Introduction to Applied Multivariate Analysis. New York: Taylor & Francis Group
• Rencher, A. C., 2002, Methods of Multivariate Analysis, 2nd ed. Canada: John Wiley & Sons
• Russell, S. Dan Norvig, P., 2010, Artificial Intelligence (A Modern Approach), 3rd ed. New Jersey: Pearson
• Sakthi, M., dan Thanamani, A.S., 2011, An effective determination of initial centroids inK-Means clustering using Kernel PCA. International Journal of Computer Science and Information Technologies(IJCSIT), Vol. 2 (3), 2011, 955-959. Pollachi-Tamilnadu: Department of Computer Science, NGM College
• Schölkopf, B., Smola, A., dan Müller, K-R., 1998, Nonlinear component analysis as a kernel eigenvalue problem. Neural Computation, 10: 1299-1319
• Schölkopf, B. Dan Smola, A. J., 2002, Learning With Kernels. MIT Press, Cambridge, MA
• Swain, P. H. Dan Davis, S. M., 1978, Quantitative Approach of Remote Sensing. Washington: McGraw-Hill
• Theodoridis, S. Dan Koutroumbas, K., 2009, Pattern Recognition. New York: Elsevier
• Yan, X., Su, X.G., 2009, Linear Regression Analysis, Theory and Computing. New Jersey: World Scientific Publishing Co. Pte. Ltd.

Kernel principal component analysis (KPCA) merupakan pengembangan principal component analysis (PCA) dalam analisis multivariat yang mereduksi sejumlah variabel menjadi lebih sedikit dari variabel sebelumnya dengan menggunakan trick kernel. Hasil pereduksian ini akan digunakan sebagai input untuk analisis selanjutnya, yaitu klasifikasi maximum likelihood.

Keyword: PCA, KPCA, klasifikasi maximum likelihood

Paper disampaikan pada Konferensi Nasional Matematika VI, 3-6 Juli 2012, UNPAD Jatinangor