SELEKSI ATRIBUT PADA ALGORITMA RADIAL BASIS FUNCTION NEURAL NETWORK MENGGUNAKAN INFORMATION GAIN
Abstrak
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
Referensi
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).
