Analisis perbandingan metode k-Nearest Neighbor (k-NN) dan Support Vector Machine (SVM) untuk klasifikasi data Multi-label

Wita Puspitarini

Informasi Dasar

113030199
011.75
Karya Ilmiah - Skripsi (S1) - Reference

Salah satu permasalahan dalam bidang kategori dokumen dan bioinformatik adalah karakteristik data yang mempunyai lebih dari satu label (multi-label). Permasalah tersebut dapat diselesaikan dengan mengelompokkan data menggunakan metode klasifikasi. Dalam klasifikasi multi-label, setiap data dalam training set dipasangakan dengan label-label[4]. Training set tersebut akan di-training dengan menggunakan salah satu metode klasifikasi (classifier) tertentu, sehingga dihasilkan pemodelan yang dapat digunakan untuk memprediksi label-label dari data yang belum diketahui label-labelnya (test set).
Untuk menyelesaikan permasalahan tersebut maka classifier yang digunakan untuk klasifikasi data multi-label adalah Support Vector Machine (SVM) dan k-Nearest Neighbor (k-NN). Kedua metode tersebut berbasis statsitik dengan tingkat akurasi yang cukup tinggi dalam beberapa penelitihan[4,10,7]. SVM merupakan metode machine learning yang selalu berusaha menemukan hyperplane terbaik untuk memisahkan kelas pada input space. Sedangkan k-NN merupakan metode instance-base yang dikenal sebagai “lazy learning”, karena mengklasifikasi data berdasarkan "k" tetangga terdekat data dan menghitung maximum a posterior (MAP) untuk menentukan label-label dari test set[7]. Efektivitas dari kedua metode tersebut diukur dengan menggunakan matriks evaluasi yang meliputi accuracy, precission, recall, hammingLoss, one-error, rankingloss, dan coverage.
Pada tugas akhir ini, analisis dilakukan dengan membandingkan hasil perhitungan matriks evaluasi dari kedua classifier tersebut untuk mengetahui classifier yang paling handal dalam mengklasifikasikan data multi-label. Selain itu, analisis juga dilakukan dengan membandingkan antara classifier yang khusus untuk multi-label dengan classifier yang umum. klasifikasi multi-label, classifier, SVM, k-NN, hyperplane,

Subjek

Skripsi
Skripsi,

Katalog

Analisis perbandingan metode k-Nearest Neighbor (k-NN) dan Support Vector Machine (SVM) untuk klasifikasi data Multi-label
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

Wita Puspitarini
Perorangan
Moch Arif Bijaksana, Ir., MTech.; Kiki Maulana, MT
 

Penerbit

Universitas Telkom
Bandung
2007

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini