GDL

Klasifikasi merupakan salah satu bagian dalam data mining yang memprediksikan tiap-tiap record data ke dalam kelas-kelas tertentu berdasarkan pola data, karena itu klasifikasi termasuk pembelajaran yang terawasi. Namun dikarenakan jumlah data yang ada sekarang ini bervolume besar, data mining kesulitan untuk mendapatkan pengetahuan atau pola dari data tersebut. Biasanya pola yang didapat memiliki tingkat akurasi prediksi yang kurang bagus, dan hal ini sangat merugikan dalam proses prediksi klasifikasi data mining selanjutnya.

Jaringan Syaraf Tiruan (JST) merupakan salah satu bagian dari kecerdasan buatan yang memiliki keandalan dalam melakukan pembelajaran, ada dua pembelajaran yaitu terawasi dan tidak terawasi. JST memiliki keakuratan yang tinggi dalam melakukan prediksi berdasarkan pembelajaran yang dilakukan. Akan tetapi JST sekarang ini hanya dapat memberikan pengetahuan yang bersifat implisit, dikarenakan pengetahuan pembelajaran disimpan dalam bobot-bobot keterhubungan antar node.

Adapun tujuan dilakukanya penelitian tugas akhir ini adalah mendapatkan pola klasifikasi pada data mining menggunakan jaringan syaraf tiruan yang eksplisit dari data latih yang diberikan, sehingga mudah dimengerti dalam bahasa manusia.

Gambaran secara umum dari penelitian Tugas Akhir ini adalah membangun metode ekstraksi dari Jaringan Syaraf tiruan (JST) yang diterapkan pada klasifikasi data mining dimana keluarannya berupa pola.

Secara umum, jaringan syaraf tiruan mampu memberikan tingkat keakuratan prediksi yang relative tinggi. Namun begitu, JST cukup sulit dimengerti karena tidak secara eksplisit memberikan pola atau aturan (rules) dalam bahasa manusia yang dapat dimengerti. Ekstraksi pola klasifikasi menggunakan JST pada Data mining merupakan salah satu jawaban atas permasalahan itu.

Beri Komentar ?#(1) | Bookmark