II-1 BAB II LANDASAN TEORI 2.1 Neural Networks [2] Neural

BAB II
LANDASAN TEORI
2.1
Neural Networks [2]
Neural networks atau jaringan syaraf tiruan merupakan salah satu
representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan
proses pembelajaran pada otak manusia tersebut. Neural networks berusaha
meniru struktur atau arsitektur dan cara kerja otak manusia sehingga mampu
menggantikan beberapa pekerjaan manusia. Pekerjaan seperti mengenali pola
(pattern recognition), prediksi, klasifikasi, pendekatan fungsi adalah pekerjaanpekerjaan yang diharapkan dapat diselesaikan dengan menggunakan neural
networks.
Gambar 2. 1 Struktur neuron jaringan syaraf [2]
Jaringan syaraf terdiri dari beberapa neuron dan terdapat hubungan antara
neuron –neuron tersebut (bobot). Informasi (input) akan dikirim ke neuron
dengan bobot kedatangan tertentu. Input ini akan diproses oleh suatu fungsi
perambatan yang akan menjumlahkan nilai-nilai semua bobot yang datang. Hasil
penjumlahan ini kemudian akan dibandingkan dengan suatu nilai ambang
(threshold) tertentu melalui fungsi aktvasi setiap neuron. Kemudian akan
mengirimkan output melalui bobot-bobot outputnya ke semua neuron yang
berhubungan dengannya. Jaringan syaraf tiruan memiliki 3 lapisan, yaitu lapisan
input, lapisan tersembunyi dan lapisan output. Beberapa arsitektur jaringan syaraf
yaitu lapisan tunggal, lapisan banyak dan lapisan kompetitif.
Neural network menggunakan fungsi aktivasi yang dipakai untuk
membatasi keluaran dari neuron agar sesuai dengan batasan sinyal/nilai
keluarannya. Beberapa fungsi aktivasi yang sering digunakan dalam jaringan
syaraf tiruan antara lain:
II-1
II-2
a. Fungsi Undak Biner (Hard Limit)
{
b. Fungsi Undak Biner (Threshold)
{
c. Fungsi Bipolar (Symetric Hard Limit)
{
d. Fungsi Bipolar dengan Threshold
{
e. Fungsi Linear (identitas)
f. Fungsi Saturating Linear
{
g. Fungsi Symetric Saturating Linear
{
h. Fungsi Sigmoid Biner
( )
Ditinjau dari jumlah layernya, Neural Network bisa dibagi menjadi dua
macam, yaitu Neural Network layer tunggal dan Neural Network layer jamak.
Neural Network layer tunggal mempunyai satu lapis neuron pemroses. Satu lapis
tersebut bisa berisi banyak neuron. Contoh algoritma Neural Network layer
tunggal adalah Perceptron, Delta dan sebagainya. Sementara Neural Network
layer jamak mempunyai sejumlah neuron perantara yang menghubungkan vektor
masukan dengan layer jamak. Layer perantara ini disebut layer tersembunyi
(hidden layer). Contoh algoritma Neural Network layer jamak adalah
II-3
Backpropagation, Constructive Backpropagation, Recurrent Neural Network dan
sebagainya[1].
2.2
Algoritma Backpropagation [2]
Backpropagation merupakan algoritma pembelajaran yang terawasi
dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan
neuron–neuron yang ada pada lapisan tersembunyi. Algoritma backpropagation
menggunakan error output untuk mengubah nilai bobot-bobotnya dalam arah
mundur (backward). Untuk mendapatkan error ini, tahap perambatan maju
(forward propagation) harus dikerjakan terlebih dahulu.
Gambar 2. 2 Arsitektur Jaringan Backpropagation [8]
Penulisan pada jaringan multilayer backpropagation:
X
: Vektor input pembelajaran. X = (x1,x2,...,xn)
T
: Vektor target output. T = (t1,t2,...,tm)
δk
: Bagian koreksi error penyesuaian bobot
berpedoman pada error
output neuron
δj
: Bagian koreksi error penyesuaian bobot
hidden neuron
α
: Learning rate
berperdoman pada error
II-4
θ
: Toleransi error
: Input neuron
: Bias pada hidden neuron ke-j
: Hidden neuron ke-j. Nilai input
ditunjukkan dengan
:
∑
Nilai output dengan menggunakan fungsi aktivasi yang dipilih dan
ditunjukkan dengan
:
(
)
: Bias pada output neuron ke-k
Yk
: Output neuron ke-k. Nilai input
ditunjukkan dengan
:
∑
Nilai output dengan menggunakan fungsi aktivasi yang dipilih
ditunjukkan dengan
:
(
)
Algoritma pembelajaran untuk jaringan saraf tiruan backpropagation
adalah sebagai berikut [11]:
Langkah 0
: Inisialisasi nilai bobot dengan nilai acak yang kecil. Set learning
rate α (0<α≤1)
Langkah 1
: Selama kondisi berhenti masih tidak terpenuhi, laksanakan
langkah 2 sampai 9
Langkah 2
: Untuk tiap pasangan pelatihan kerjakan langkah 3 sampai 8
Feedforward:
Langkah 3
: Untuk tiap input neuron (xi, i=1,...,n) menerima sinyal input xi
dan menyebarkan sinyal itu ke seluruh neuron pada lapisan atas
(lapisan dalam)
Langkah 4
: Untuk hidden neuron (zj,j=1,...,p) dihitung nilai input dengan
menggunakan nilai bobotnya;
II-5
∑
Kemudian dihitung nilai output dengan menggunakan fungsi
aktivasi;
(
)
Dimana fungsi aktivasinya yang digunakan ialah fungsi sigmoid
biner yang mempunyai persamaan:
( )
(
)
Hasil fungsi tersebut dikirim ke semua neuron pada lapisan di
atasnya
Langkah 5
: Untuk tiap output neuron (yk,k=1,...,m) dihitung nilai input
dengan nilai bobotnya;
∑
Kemudian dihitung nilai output dengan menggunakan fungsi
aktivasi ;
(
)
Perhitungan nilai kesalahan:
Langkah 6
: Untuk tiap output neuron (yk,k=1,...,m) menerima pola target
yang bersesuaian dengan pola input dan kemudian dihitung
informasi kesalahan:
(
) (
)
Kemudian dihitung koreksi nilai bobot yang kemudian akan
digunaan untuk memperbaharui nilai bobot
:
Hitung koreksi nilai bias yang kemudian akan digunakan untuk
memperbaharui nilai
Kemudian nilai
:
dikirim ke neuron pada lapisan sebelumnya
II-6
Langkah 7
: Untuk tiap hidden neuron (zj,j=1,...,p) dihitung dengan delta
input yang berasal dari neuron pada layer diatasnya:
∑
Kemudian nilai tersebut dikalikan dengan nilai turunan dari
fungsi aktivasi untuk menghitung informasi kesalahan:
(
Hitung
koreksi
nilai
memperbaharui nilai
)
bobot
yang
kemudian
digunakan
:
Dan hitung nilai bias yang kemudian digunakan untuk
memperbaharui nilai
:
Perbaharui nilai bobot dan nilai bias:
Langkah 8
: Tiap nilai bias dan bobot (j=0,...,p) pada output neuron
(yk,k=1,...,m) diperbaharui:
Langkah 9
(
)
(
)
(
)
(
)
: Menguji apakah kondisi berhenti sudah terpenuhi. Kondisi
berhenti terpenuhi jika nilai kesalahan yang dihasilkan lebih kecil
dari nilai kesalahan referensi.
Pada proses pelatihan Backpropagation ada beberapa parameter yang
sangat berpengaruh, di antaranya adalah sebagai berikut:
1. Penentuan bobot awal. Bobot awal umumnya diambil secara acak dengan
angka dalam jangkauan [-1,+1] atau [-0,5,+0,5] atau ditentukan dengan
jangkauan (
) dengan
adalah jumlah neuron masukan dalam
neural network. Bahkan, ada juga algoritma Nguyen-Widrow (1990) untuk
memberikan optimalisasi komposisi nilai bobot terbaik.
2. Laju pembelajaran (learning rate). Nilai parameter ini ada dalam jangkauan 0
sampai 1. Semakin besar nilainya, semakin cepat selesai proses pelatihannya,
namun semakin lebih mudah terjebak pada daerah local optima (hasil yang
didapatkan dapat berbeda pada setiap percobaan yang dilakukan).
II-7
3. Jumlah iterasi (epoch). Jika kriteria error hanya menggunakan SSE atau MSE,
terkadang data yang sangat tidak linear sulit untuk bisa mencapai kriterianya.
Pilihan lain dalam kriteria biasanya menggunakan jumlah maksimal iterasi.
Jika jumlah maksimal tercapai, meskipun target error belum tercapai, proses
pelatihan tetap akan dihentikan.
4. Target error. Target error merupakan akumulasi selisih nilai antara nilai
keluaran yang diharapkan dengan nilai keluaran yang didapatkan. Kriteria
yang umum digunakan adalah Sum of Square Error (SSE) atau Mean of
Square Error (MSE). Nilai yang umum digunakan adalah 0,001 atau 0,0001.
5. Jumlah neuron dalam layer tersembunyi (hidden layer). Belum ada cara yang
pasti untuk menentukan jumlah neuron dalam layer tersembunyi. Untuk
mendapatkan komposisi jumlah neuron dalam layer tersembunyi yang tepat
biasanya digunakan cara coba-coba sehingga dari beberapa kali percobaan
akan diambil arsitektur yang memberikan hasil prediksi terbaik.
2.3
Kurs dan Valuta Asing
Kurs atau nilai tukar antar mata uang (Exchange Rate) adalah jumlah dari
suatu mata uang yang diserahkan untuk mendapatkan mata uang yang lain. Nilai
tukar ditentukan oleh bermacam-macam aturan, baik nilai tukar maupun aturan itu
sendiri dapat berubah. Perubahan nilai tukar atau nilai kurs antar mata uang dapat
berpengaruh besar terhadap penjualan, biaya, laba dan kesejahteraan individu.
Selain komplikasi nilai tukar, masalah-masalah internasional khusus dan unik
lainnya yang muncul bersumber pada kesempatan dan resiko yang ada pada
investasi dan peminjaman di luar negeri. Oleh karena itu, sub bidang keuangan
internasional berfokus pada masalah yang dihadapi manajer saat nilai tukar
berubah dan ketika mereka terlibat dalam investasi atau pinjaman di luar negeri
[14].
Valuta asing (valas) atau foreign exchange (forex) atau foreign currency
diartikan sebagai mata yang asing dan alat pembayaran lainnya yang digunakan
untuk melakukan atau membiayai transaksi ekonomi keuangan internasional dan
II-8
yang mempunyai catatan kurs resmi pada bank sentral. Faktor yang
mempengaruhi kurs valas antara lain [5]:
a. Supply and demand foreign currency
Sumber-sumber penawaran atau supply valas terdiri atas:
1. Ekspor barang dan jasa yang menghasilkan valas
2. Impor modal atau capital import dan transfer valas lainnya dari luar negeri
ke dalam negeri
Sumber-sumber permintaan atau demand valas terdiri atas:
1. Impor barang dan jasa yang menggunakan valas
2. Ekspor modal atau capital export dan transfer valas lainnya dari dalam
negeri ke luar negeri
b. Posisi balance of payment (BOP)
Balance of payment atau neraca pembayaran internasional adalah suatu
catatan yang disusun secara sistematis tentang semua transaksi ekonomi
internasional yang meliputi perdagangan, keuangan,dan moneter antara
penduduk suatu negara dan penduduk luar negeri untuk suatu periode
tertentu.
c. Tingkat inflasi [13]
Inflasi diartikan sebagai meningkatnya harga-harga secara umum dan terus
menerus. Kenaikan harga dari satu atau dua barang saja tidak dapat disebut
inflasi kecuali bila kenaikan itu meluas (atau mengakibatkan kenaikan harga)
pada barang lainnya. Kebalikan dari inflasi disebut deflasi.
d. Tingkat suku bunga [12]
BI Rate adalah suku bunga kebijakan yang mencerminkan sikap atau stance
kebijakan moneter yang ditetapkan oleh bank Indonesia dan diumumkan
kepada publik.
II-9
e. Tingkat income (pendapatan)
Apabila kenaikan pendapatan masyarakat di Indonesia tinggi sedangkan
kenaikan jumlah barang yang tersedia relatif kecil, maka impor barang akan
meningkat. Peningkatan impor ini akan mempengaruhi kurs valas.
f. Pengawasan pemerintah
Faktor
pengawasan
pemerintah
dijalankan
dalam
berbagai
bentuk
kebijaksanaan moneter, fiskal dan perdagangan luar negeri. Misalnya
pengawasan lalu lintas devisa, peningkatan trade barrier, pengetatan uang
beredar, penaikan tingkat bunga dan sebagainya.
g. Ekspetasi dan spekulasi/ isu/ rumor
Ekspektasi, spekulasi, isu dan rumor yang timbul di masyarakat akan
mempengaruhi permintaan dan penawaran valas yang akhirnya akan
memepengaruhi kurs valas.
Tujuan dilakukannya prediksi kurs mata uang adalah untuk mengetahui
kira- kira besar nilai tukar mata uang di waktu yang akan datang yang bersifat
harian. Setelah data hasil prediksi diperoleh, pihak-pihak yang berkepentingan
dapat mengambil langkah-langkah strategis yang sekiranya perlu dilakukan agar
tidak mengalami kerugian yang cukup besar. Misal pada perusahaan
multinasional, dapat ditentukan keputusan pembiayaan jangka pendek, keputusan
investasi jangka pendek, keputusan penganggaran modal, keputusan pembiayaan
jangka panjang dan penilaian laba yang semua keputusan tersebut dipengaruhi
oleh perubahan nilai tukar mata uang.
2.4
Unified Modelling Language (UML) [6]
Unified Modelling Language (UML) adalah sebuah "bahasa" yang telah
menjadi
standar
dalam
industri
untuk
visualisasi,
merancang
dan
mendokumentasikan sistem piranti lunak. UML menawarkan sebuah standar
untuk merancang model sebuah sistem, dengan menggunakan UML kita dapat
membuat model untuk semua jenis aplikasi piranti lunak, dimana aplikasi tersebut
dapat berjalan pada piranti keras, sistem operasi dan jaringan apapun, serta di tulis
dalam bahasa pemrograman apapun. UML juga menggunakan class dan operation
II-10
dalam konsep dasarnya, maka UML lebih cocok untuk penulisan piranti lunak
dalam bahasa-bahasa berorientasi objek seperti C++, Java, C#, Matlab atau
VB.NET. Walaupun demikian, UML tetap dapat digunakan untuk
modeling
aplikasi prosedural dalam VB atau C. Seperti bahasa-bahasa lainnya, UML
mendefinisikan notasi dan syntax/semantik. Notasi UML merupakan sekumpulan
bentuk khusus untuk menggambarkan berbagai diagram piranti lunak. Setiap
bentuk memiliki makna tertentu, dan UML syntax mendefinisikan bagaimana
bentuk-bentuk tersebut dapat dikombinasikan. Notasi UML terutama diturunkan
dari 3 notasi yang telah ada sebelumnya: Grady Booch OOD (Object-Oriented
Design), Jim Rumbaugh OMT (Object Modeling Technique), dan Ivar Jacobson
OOSE (Object-Oriented Software Engineering).
Unified Modeling Language
(UML) adalah alat bantu (tool) untuk pemodelan sistem, “UML adalah bahasa
yang dapat digunakan untuk spesifikasi, visualisasi, dan dokumentasi sistem
object-oriented software pada fase pengembangan. UML merupakan unifikasi dari
metode Booch, OMT, dan notasi Objectory, serta ide-ide terbaik metodologi
lainnya, UML merupakan standar dasar dalam bidang analisis dan desain
berorientasi-objek” [15].
Unified Modeling Language (UML) adalah sebuah bahasa pemodelan
yang telah menjadi standar dalam industri software untuk visualisasi, merancang,
dan mendokumentasikan sistem perangkat lunak [16]. Bahasa Pemodelan UML
lebih cocok untuk pembuatan perangkat lunak dalam bahasa pemrograman
berorientasi objek (C , Java, VB.NET), namun demikian tetap dapat digunakan
pada bahasa pemrograman prosedural [17] . Di dalam
Language (UML) terdapat
Unified Modeling
content untuk menganalisis suatu
software.
Diantaranya, ada use case diagram, class diagram tahap analisis, class diagram
tahap desain dan sequence diagram, dan dijelaskan pada poin 1 sampai poin 3 di
bawah ini:
1. Use Case Diagram
Use case diagram
menggambarkan fungsionalitas yang diharapkan dari
sebuah sistem, yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan
“bagaimana”. Sebuah use case merepresentasikan sebuah interaksi antara aktor
II-11
dengan sistem. Use case merupakan sebuah pekerjaan tertentu, misalnya login ke
sistem, meng-create sebuah daftar belanja, dan sebagainya. Seorang/sebuah aktor
adalah sebuah entitas manusia atau mesin yang berinteraksi dengan system
untuk melakukan pekerjaan-pekerjaan tertentu. Use case diagram dapat sangat
membantu
bila
kita
sedang
menyusun
requirement
sebuah
sistem,
mengkomunikasikan rancangan dengan klien, dan merancang test case untuk
semua feature yang ada pada sistem. Sebuah use case dapat meng-include
fungsionalitas use case lain sebagai bagian dari proses dalam dirinya. Secara
umum diasumsikan bahwa use case yang di-include akan dipanggil setiap kali
use case yang meng-include dieksekusi secara normal. Sebuah use case dapat diinclude oleh lebih dari satu use case lain, sehingga duplikasi fungsionalitas dapat
dihindari dengan cara menarik keluar fungsionalitas yang common.
Sedikit
penjelasan tentang Use case diagram dapat dilihat pada Tabel 2.1 di halaman 211:
Tabel 2. 1 Simbol-Simbol Pada Use Case Diagram
No.
1.
Simbol
Keterangan
Simbol aktor, menggambarkan
aktor pada diagram.
Simbol
2
Use
menggambarkan
Case,
Use
Case
pada diagram.
Simbol
3.
Association,
Unidirectional
menggambarkan
relasi antar aktor dan use case.
II-12
2. Class Diagram
Class adalah sebuah spesifikasi yang jika diinstansiasi akan menghasilkan
sebuah objek dan merupakan inti dari pengembangan dan desain berorientasi
objek. Class menggambarkan keadaan (atribut/properti) suatu sistem, sekaligus
menawarkan layanan untuk memanipulasi keadaan tersebut (metoda/fungsi).
Class diagram menggambarkan struktur dan deskripsi class, package dan objek
beserta hubungan satu sama lain seperti containment, pewarisan, asosiasi, dan
lain-lain. Class memiliki tiga area pokok, dan di jelaskan pada Tabel 2.2 di
bawah ini:
Tabel 2. 2 Simbol- Simbol Pada Class Diagram
No
1
Simbol
Keterangan
1. Nama class : digunakan untuk
membedakan antara satu kelas
dengan kelas yang lain
2. Atribut
:
digunakan
untuk
menyimpan state, pada bahasa
pemograman ini berupa field,
bisa juga diartikan apa yang
dimiliki oleh sebuah objek
3. Operasi/Metode : digunakan
untuk
menyimpan
pada
bahasa
berupa
behavior,
pemrograman
method
mengembalikan
nilai
yang
(void
method) dan method yang tidak
mengembalikan nilai (non void
method)
2
Simbol
Association,
menggambarkan relasi asosiasi
II-13
3. Sequance Diagram
Sequence diagram menunjukan hubungan statis yang terjadi antara satu objek
dengan objek yang lain, sedangkan sequence diagram menunjukan suatu skenario
yang dinamis. Sequence diagram digunakan untuk mendeskripsikan pola
komunikasi antara objek. Sequence diagram menggambarkan urutan waktu dari
pemanggilan pada suatu method. Sequence diagram berhubungan erat dengan use
case diagram, dimana satu use case akan menjadi satu
sequence diagram.
Berikut adalah simbol- simbol pada sequance diagram:
Tabel 2. 3 Simbol-Simbol Pada Sequence Diagram
No.
1.
2.
3.
4.
5.
6.
Simbol
Keterangan
Simbol aktor, menggambarkan aktor pada
diagram.
Simbol
Boundary,
menggambarkan
batasan kelas pada diagram.
Simbol Control, menggambarkan unsur
kendali pada diagram.
Entity menggambarkan kelas entitas pada
diagram.
Object Message, menggambarkan pesan
antar dua objek.
Message to Self, menggambarkan pesan
yang menuju dirinya sendiri.
II-14
2.5
Metode Pengembangan Perangkat Lunak Prototyping [4]
Prototyping
merupakan metodologi pengembangan software
menitik-beratkan pada pendekatan aspek desain, fungsi dan user
yang
interface.
Developer dan User fokus pada user-interface dan bersama-sama mendefinisikan
spesifikasi, fungsi, desain dan bagaimana software bekerja. Developer dan user
bertemu dan melakukan komunikasi dan menentukan tujuan umum, kebutuhan
yang diketahui dan gambaran bagian-bagian yang akan dibutuhkan. Developer
mengumpulkan detail dari kebutuhan dan memberikan suatu gambaran dengan
cetak biru (prototyping). Dari proses tersebut, akan diketahui detail-detail yang
harus dikembangkan atau ditambahkan oleh developer terhadap cetak biru, atau
menghapus detail-detail yang tidak diperlukan oleh user. Proses akan terjadi terus
menerus sehingga produk sesuai dengan keinginan dari user.
Gambar 2. 3 Metode prototyping [4]
Tahapan-tahapan yang dilakukan adalah sebagai berikut:
a. Listen to customer, merupakan proses menganalisis keperluan pelanggan
yang terdapat pada permasalahan yang ada.
b. Build/revise mock up, tahap ini merupakan proses pemodelan hasil analisis
dan perbaikan dalam bentuk prototype perangkat lunak.
c. Customer test-drives mock up, merupakan tahap uji coba yang dilakukan
pelanggan terhadap prototype yang telah dibuat.
II-15
2.6
Pengujian Sistem
Menurut Roger.S Pressman, mengungkapkan bahwa pengujian perangkat
lunak adalah elemen kritis dari jaminan kualitas perangkat lunak dan
mempresentasikan kajian pokok dari spesifikasi, desain, dan pengkodean.
Pengujian juga dapat diartikan sebagai proses eksekusi suatu program dengan
maksud menemukan kesalahan [4].
2.6.1 Prinsip-Prinsip Pengujian
Sebelum mengaplikasikan metode untuk mendesain test case yang efektif,
perekayasa perangkat lunak harus memahami prinsip dasar yang menuntun
pengujian perangkat lunak, diantaranya [4]:
1. Semua pengujian harus dapat ditelusuri sampai ke persyaratan pelanggan.
2. Pengujian itu harus direncanakan lama sebelum pengujian dimulai.
3. Untuk menjadi paling efektif, pengujian harus dilakukan oleh pihak ketiga
yang independen.
2.6.2 Pengujian Black-Box [4]
Pengujian black-box berfokus pada persyaratan fungsional perangkat
lunak. Dengan demikian, pengujian black-box memungkinkan perekayasa
perangkat lunak mendapatkan serangkaian kondisi input yang sepenuhnya
menggunakan semua persyaratan fungsional untuk suatu program. Pengujian ini
berusaha menemukan error dengan kategori sebagai berikut :
1. Fungsi yang salah atau hilang.
2. Kesalahan antarmuka, struktur data atau pengaksesan data eksternal,
unjuk kerja, inisialisasi dan penghentian.
Pengujian black-box diterapkan pada akhir tahapan proses pengujian. Hal
ini dikarenakan pengujian ini tidak mementingkan struktur kontrol tapi lebih
memfokuskan pada domain informasi .
II-16
2.7
MATLAB [7]
Matlab adalah
suatu
bahasa
pemrograman
diperuntukkan untuk komputasi teknis.
tingkat
tinggi
yang
Matlab mengintegrasikan aspek
komputasi, visualisasi dan pemrograman dalam suatu lingkungan yang mudah
dilakukan. Matlab bisa dipergunakan untuk aplikasi :
a. Pemodelan, simulasi dan pembuatan prototype
b. Komputasi dan matematika
c. Data analis, eksplorasi dan visualisasi
d. Pembuatan grafik scientific dan engineering
e. Pembuatan graphical user interface (GUI) yang memudahkan pemakaian
bagi kalangan awam dengan komputasi.
Banyak masalah yang dapat diselesaikan dengan bantuan matlab terutama
yang bisa diformulasikan dalam bentuk matriks dan vektor. Nama Matlab
merupakan singkatan dari matrix laboratory. Matlab memiliki banyak toolbox
yang merupakan kumpulan fungsi dalam Matlab (M-file) yang komprehensif yang
digunakan untuk menyelesaikan kelas problem di bidang tertentu. Berbagai
toolbox dalam Matlab antara lain signal processing, control systems, neural
networks,
fuzzy
logic,
wavelets,
simulation,
statistic,
optimization,
bioinformathics, genetic algorithm dan lain-lain.
Di dunia industri, Matlab termasuk software pilihan untuk melakukan
kegiatan riset, pengembangan dan analis. Matlab sudah mengalami beberapa kali
update. Dalam setiap versi ada perbaikan dan penambahan toolbox baru.