Perbandingan Kinerja Fungsi Kernel Polynomial dengan Kernel Linier dalam Algoritma K-Means untuk Klasterisasi Objek Data  

Oleh:

Ilhamsah, Heri Awalul

Jenis: Article from Proceeding
Dalam koleksi: Industrial Engineering Conference (IEC) Yogyakarta, 6 Desember 2014: Peran Teknik Industri dalam Pemberdayaan Industri Kecil dan Menengah untuk Mendukung Ketahanan dan Kemandirian Perekonomian Bangsa, page XVII 1-6.
Topik: Fungsi Kernel Polynomial; Fungsi Kernel linier; Klasterisasi; K-Means; Set Data Iris
Fulltext: 17. Heri Awalul Ilhamsah.pdf (404.06KB)

Isi artikel

Penelitian ini membahas perbandingan kinerja fungsi kernel polynomial dengan fungsi kernel linier yang digunakan dalam algoritma K-Means untuk klasterisasi suatu objek data. Tujuan dari pembandingan kedua fungsi kernel tersebut adalah untuk mengetahui fungsi kernel yang paling tepat digunakan pada algoritma K-Means sehingga bisa menghindar dari lokal optima ketika menghadapi data yang tidak linier. Data test yang digunakan untuk menguji efektifitas kedua fungsi kernel tersebut menggunakan set data Iris. Nilai ß yang digunakan pada fungsi kernel polynomial sebesar 0.09. Fungsi kernel akan membawa data dari space lama ke space baru sehingga dimungkinkan untuk dipisah secara linier. Hasil penelitian ini mengkonfirmasikan bahwa fungsi kernel polynomial memberikan tingkat missclass terendah sebesar 2% sedangkan fungsi kernel linier memberikan missclass 11% pada klasterisasi data Iris.

Opini Anda

Klik untuk menuliskan opini Anda tentang koleksi ini!

Kembali