SELEKSI ATRIBUT PADA ALGORITMA RADIAL BASIS FUNCTION NEURAL NETWORK MENGGUNAKAN INFORMATION GAIN

Yumnah Fitriyanna Waruwu, Muhammad Zarlis, Erna Budhiarti Nababan, Meyman Sokhi Ziliwu

Abstract


Abstrak: Salah satu metode jaringan syaraf tiruan yang sering digunakan untuk klasifikasi data adalah jaringan RBF karena arsitektur yang sederhana dan pembelajaran jaringan yang cepat. Klasifikasi data dilakukan untuk menentukan kelas pada suatu objek. Sebelum data diklasifikasi, terdapat beberapa atibut yang mempengaruhi keberadaan kelas suatu objek. Beberapa atribut yang terdapat dalam suatu dataset, keberadaannya tidak relevan dan dapat mempengaruhi kinerja jaringan RBF, sehingga berpengaruh pada tingkat akurasi. Oleh sebab itu, perlu dilakukan seleksi atribut agar atribut yang tidak relevan bisa dihilangkan. Pada penelitian ini dilakukan proses seleksi atribut pada sebuah dataset menggunakan information gain. Pada tahap klasifikasi data menggunakan jaringan  RBF, hasil akurasi klasifikasi sebelum dilakukan seleksi atribut sebesar 96.59%. Sedangkan setelah proses menghilangkan beberapa atribut, percobaan dilakukan sebanyak 3 kali dengan menghilangkan 1, 2, dan 3 atribut berdasarkan nilai information gain. Dari hasil pengolahan data untuk klasifikasi setelah atribut dihilangkan, rata-rata tingkat akurasi sebesar 96,97%.

 

Kata Kunci:   RBF, klasifikasi, seleksi atribut, infomation gain, dan tingkat akurasi


Full Text:

PDF

References


Azhagusundari, B. & Thanamani, A.S. 2013. Feature Selection based on Information Gain. International Journal of Innovative Technology and Exploring Engineering (IJITEE)- Volume-2, Issue-2. Online. https://pdfs.semanticscholar.org

Haykin, S. (1994). Neural networks-A comprehensive foundation. New York: IEEE Press. Herrmann, M., Bauer, H.-U., & Der, R. https://doi.org/10.1017/-S0269888998214044

Mongkareng, D., Setiawan, N.A., Permanasari, A.E. 2017. Implementasi Data Mining dengan Seleksi Fitur untuk Klasifikasi Serangan pada Intrusion Detection System (IDS). CITEE. Online. citee.ft.ugm.-ac.id/download51.php

Munnoli, A.P. & Bapat, A.U. (2013). Clustering Algorithms for Radial Basis Function Neural Network. ITSI Transactions on Electrical and Electronics Engineering (ITSI-TEEE) - Volume -1, Issue. (Online). https://pdfs.semanticscholar.org

Jiawei, H., Kamber, M. & Pei, J. 2012. Data Mining: Concepts and Techniques (Third Edition. Elsevier : Wyman Street, Waltham, MA 02451, USA

Pangestuti, G.W., Usman, K. & Purnama, B. 2016. Klasifikasi Kendaraan Roda Empat dengan Ekstraksi Ciri Hybrid Berbasis Jaringan Syaraf Tiruan. e-Proceeding of Engineering : Vol.3, No.2 Agustus 2016. (online).


Article Metrics

Abstract view : 529 times
PDF - 391 times

Refbacks

  • There are currently no refbacks.