EKSPLORASI DAN EVALUASI ALGORITMA METAHEURISTIK UNTUK MENINGKATKAN PERFORMA ALGORITMA KLASIFIKASI PADA PEMBELAJARAN MESIN

NURWINTO, COKRO (2024) EKSPLORASI DAN EVALUASI ALGORITMA METAHEURISTIK UNTUK MENINGKATKAN PERFORMA ALGORITMA KLASIFIKASI PADA PEMBELAJARAN MESIN. Other thesis, Universitas Bina Darma.

	Text (BAB 0) BAB 0.pdf Download (1MB)
	Text (BAB 1) BAB 1.pdf Download (586kB)
	Text (DAFTAR PUSTAKA) DP_11zon.pdf Download (214kB)
	Text (LAPORAN HASIL) LH_11zon (33).pdf Restricted to Repository staff only Download (3MB)
	Text (LAMPIRAN) L.pdf Download (545kB)

Abstract

Klasifikasi adalah sebuah proses pengelompokan atau penempatan data ke dalam kategori atau kelas yang sesuai berdasarkan atribut atau fitur tertentu yang dimiliki oleh data tersebut yang bertujuan untuk memprediksi label atau kelas dari data yang baru berdasarkan pola yang telah diamati dari data yang telah dilatih sebelumnya. Pengimplementasian proses ini menggunakan algoritma-algoritma pengklasifikasian seperti: Naïve Bayes (NB), Support Vector Machine (SVM) dan Random Forest (RF). Namun, algoritma klasifikasi sendiri tidak cukup untuk melakukan pengklasifikasian data secara maksimal dikarenakan tantangan dalam menghadapi berbagai macam set data. Tidak semua data yang tersedia akan memberikan kontribusi yang kuat kepada label dari kelas data, bahkan sering kali berupa noise atau ganguan. Untuk itu perlu dilakukan proses pemilihan fitur (feature selection). Saat ini sudah banyak dilakukan proses pemilihan fitur dengan menggunakan nilai korelasi dari chi-square dan gain-information, tetapi akurasi yang dihasilkan sering kali masih tidak cukup baik. Hal ini disebabkan nilai chi square dan gain-information adalah tetap. Sehingga pemilihan fitur yang dilakukan sangat terbatas dan tidak berdasarkan kepada proses pembelajaran sebelumnya atau dikenal dengan istilah heuristic. Untuk itu dalam penelitian ini diperkenalkan beberapa algoritma pembantu untuk meningkatkan performa dari algoritma klasifikasi, yaitu dengan algoritma meta-heuristik. Algoritma meta-heuristik adalah teknik pencarian yang digunakan untuk menyelesaikan masalah optimasi yang sulit, algoritma ini dapat membantu memberikan solusi yang baik dalam waktu yang lebih singkat dibandingkan dengan metode eksak. Dalam pengoperasiannya, algoritma metaheuristik mengoptimalkan proses pemilihan fitur yang nantinya akan di proses menggunakan algoritma klasifikasi itu sendiri. Dari eksperimen yang dilakukan menggunakan 3 (tiga) algoritma klassifikasi, diketahui RF memberikan nilai akurasi yang terbaik, yaitu 100%, sedangkan SVM dan NB mendapatkan nilai akurasi 98.68% dan 73.12%. Selanjutnya untuk hasil eksperimen menggunakan tiga algoritma klassifikasi dilengkapi dengan tiga algoritma optimisasi sebagai pemilihan fitur, menunjukkan hasil NB dan GA memberikan kenaikan akurasi yang paling besar, yaitu sebesar 23.77% berbanding NB dengan algoritma optimisasi lainnya. Sedangkan untuk kombinasi dengan algoritma SVM, memberikan penurunan akurasi yang paling besar 0.66% pada SVM dan SC. Selanjutnya untuk kombinasi algoritma RF, karena sudah mendapatkan nilai akurasi 100%, tidak terjadi kenaikan ataupun penurunan nilai akurasi, walaupun jumlah fitur yang dipilih berkurang menjadi 22 fitur saja.

Actions (login required)

View Item