Penguraian nilai singular: Perbedaan antara revisi
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 28592241; atribusi sumber disertakan. |
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi |
||
| Baris 1: | Baris 1: | ||
[[File:Eigengenes_following_Alter_et_al._PNAS_2000_and_Alter_and_Golub_PNAS_2006.png|thumb|right|280px|Penguraian nilai singular]] | |||
'''Dekomposisi nilai singular''' adalah suatu pemfaktoran [[Matriks (matematika)|matriks]] dengan mengurai suatu matriks ke dalam dua matriks uniter U dan V, dan sebuah [[matriks diagonal]] S yang berisi faktor skala yang disebut dengan nilai singular. Dekomposisi nilai singular dari matriks A dinyatakan sebagai | '''Dekomposisi nilai singular''' adalah suatu pemfaktoran [[Matriks (matematika)|matriks]] dengan mengurai suatu matriks ke dalam dua matriks uniter U dan V, dan sebuah [[matriks diagonal]] S yang berisi faktor skala yang disebut dengan nilai singular. Dekomposisi nilai singular dari matriks A dinyatakan sebagai | ||
| Baris 6: | Baris 8: | ||
[[Kata kunci]] untuk memampatkan citra dengan metode ini adalah mengidentifikasi bahwa nilai singular terkecil dan citra yang bersesuaian dengan nilai singular ini tidak akan ikut membangun citra asli secara signifikan. Dengan mengabaikan nilai singular yang kecil bersama dengan kolom-kolom pada U dan baris-baris pada V yang telah difaktorkan oleh nilai singular ini, citra asli akan direkonstruksi dengan cukup tepat oleh suatu himpunan data yang jauh lebih kecil daripada matriks citra aslinya. | [[Kata kunci]] untuk memampatkan citra dengan metode ini adalah mengidentifikasi bahwa nilai singular terkecil dan citra yang bersesuaian dengan nilai singular ini tidak akan ikut membangun citra asli secara signifikan. Dengan mengabaikan nilai singular yang kecil bersama dengan kolom-kolom pada U dan baris-baris pada V yang telah difaktorkan oleh nilai singular ini, citra asli akan direkonstruksi dengan cukup tepat oleh suatu himpunan data yang jauh lebih kecil daripada matriks citra aslinya. | ||
== Pranala luar == | == Pranala luar == | ||
| Baris 34: | Baris 22: | ||
* [http://mathworld.wolfram.com/SingularValueDecomposition.html SVD] on MathWorld, with image compression as an [http://demonstrations.wolfram.com/ImageCompressionViaTheSingularValueDecomposition/ example application]. | * [http://mathworld.wolfram.com/SingularValueDecomposition.html SVD] on MathWorld, with image compression as an [http://demonstrations.wolfram.com/ImageCompressionViaTheSingularValueDecomposition/ example application]. | ||
== Sumber dan atribusi == | |||
Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Penguraian+nilai+singular&oldid=28592241 Wikipedia bahasa Indonesia], revisi 28592241 (2025-11-21T19:06:20Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku. | |||
<!-- WIKI_UNISSULA_PRESENTATION_V4 --> | |||
Revisi terkini sejak 24 Agustus 2026 23.00
Dekomposisi nilai singular adalah suatu pemfaktoran matriks dengan mengurai suatu matriks ke dalam dua matriks uniter U dan V, dan sebuah matriks diagonal S yang berisi faktor skala yang disebut dengan nilai singular. Dekomposisi nilai singular dari matriks A dinyatakan sebagai
Setiap nilai singular dalam S bersesuaian dengan suatu citra 2-dimensi yang dibangun oleh satu kolom dari U dan satu baris dari V. Citra hasil rekonstruksi adalah jumlah dari setiap citra parsial yang telah diubah skalanya menggunakan nilai singular yang bersesuaian dalam S.
Kata kunci untuk memampatkan citra dengan metode ini adalah mengidentifikasi bahwa nilai singular terkecil dan citra yang bersesuaian dengan nilai singular ini tidak akan ikut membangun citra asli secara signifikan. Dengan mengabaikan nilai singular yang kecil bersama dengan kolom-kolom pada U dan baris-baris pada V yang telah difaktorkan oleh nilai singular ini, citra asli akan direkonstruksi dengan cukup tepat oleh suatu himpunan data yang jauh lebih kecil daripada matriks citra aslinya.
Pranala luar
- MIT Lecture series by Gilbert Strang. See Lecture #29 on the SVD (scroll down to the bottom till you see "Singular Value Decomposition"). The first 17 minutes give the overview. Then Prof. Strang works two examples. Then the last 4 minutes (min 36 to min 40) are a summary. You can probably fast forward the examples, but the first and last are an excellent concise visual presentation of the topic.
- Applications of SVD on PC Hansen's web site.
- Introduction to the Singular Value Decomposition by Todd Will of the University of Wisconsin—La Crosse. This site has animations for the visual minded as well as demonstrations of compression using SVD.
- Los Alamos group's book chapter has helpful gene data analysis examples.
- SVD, another explanation of singular value decomposition
- JavaScript script demonstrating the SVD more extensively, paste your data from a spreadsheet.
- Chapter from "Numerical Recipes in C" gives more information about implementation and applications of SVD. (Acrobat DRM plug-in required)
- Online Matrix Calculator Performs singular value decomposition of matrices.
- A simple tutorial on SVD and applications of Spectral Methods
- Matrix and Tensor Decompositions in Genomic Signal Processing
- SVD on MathWorld, with image compression as an example application.
Sumber dan atribusi
Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 28592241 (2025-11-21T19:06:20Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.