GDL

Pengelompokan Data Menggunakan Pattern Reduction Enhanced Ant Colony Optimization dan Kernel Clustering

Journal from gdlhub / 2016-11-21 07:16:01
Oleh : Dwi Taufik Hidayat, Chastine Fatichah, R.V. Hari Ginardi, JNTETI
Dibuat : 2016-08-01, dengan 1 file

Keyword : Kernel Clustering, Ant Colony Optimization, Pattern Reduction Enhanced Ant Colony Optimization
Url : http://ejnteti.jteti.ugm.ac.id/index.php/JNTETI/article/view/251

Salah satu metode optimasi yang dapat digunakan untuk clustering adalah Ant Colony Optimization (ACO).Metode ini baik dalam melakukan clustering data, namun memiliki kelemahan pada sisi waktu dan kualitas atau konvergensi solusi yang dihasilkan. Pada makalah ini diajukan metode Pattern Reduction Enhanced Ant Colony Optimization (PREACO) dengan fungsi Kernel Gaussian yang berdasarkan ACO. Pada awal metode dilakukan inisialisasi solusi dan nilai pheromone untuk kemudian ditentukan centroid secara acak. Melalui solusi yang telah ada maka akan dihitung bobot solusi dan perbaikan pusat cluster. Solusi akan dievaluasi melalui fungsi Kernel Gaussian. Fungsi pattern reduction enhanced berguna untuk memastikan nilai update pheromone agar maksimal. Langkah ini akan dilakukan secara terus menerus sampai solusi terbaik terpilih. Uji coba dilakukan pada beberapa data set, dengan tiga skenario uji coba. Pengujian pertama dilakukan untuk mendapat kombinasi parameter yang tepat. Kedua,dilakukan pengukuran tingkat kesalahan dan kesamaan data dengan menggunakan pengukuran Sum of Squared Error. Ketiga dilakukan perbandingan tingkat akurasi metode ACO, ACO dengan kernel ,PREACO, dan PREACO dengan kernel. Hasil pengujian menunjukkan bahwa metode usulan memiliki tingkat akurasi lebih tinggi sebesar 99,8% untuk data sintesis, 93,8% untuk data wine dibanding lainnya, tetapi memiliki akurasi lebih rendah dengan 88,7% dibanding ACO.

Deskripsi Alternatif :

One method of optimization that can be used for clustering is Ant Colony Optimization (ACO). This method is good in data clustering, but has disadvantage in terms of time and quality or solution convergence. In this study, ACO-based Pattern Reduction Enhanced Ant Colony Optimization (PREACO) method with a gaussian kernel function is proposed. First, it sets up initial solution. Second, the magnitude of pheromone is calculated to find the centroid randomly. With the initialized solution, the weight of the solution is calculated and the center of cluster is revised. The solution will be evaluated through a gaussian kernel functions. Function 'pattern enhanced reduction' is useful to ensure maximum value of pheromone update. Those steps will be conducted repeatedly until the best solution is chosen. Tests are performed on multiple datasets, with three test scenarios. The first test is carried out to get the right combination of parameters. Second, the error rate measurement and similarity data using Sum of Squared Errors is done. Third, level of accuracy of the methods ACO, ACO with the kernel, PREACO, and PREACO with the kernel is compared. The test results show that the proposed method has a higher accuracy rate of 99.8% for synthetic data, 93.8% for wine data than other methods. But it has a lower accuracy by 88.7% compared to the ACO.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	gdlhub
Organisasi	JNTETI
Nama Kontak	Herti Yani, S.Kom
Alamat	Jln. Jenderal Sudirman
Kota	Jambi
Daerah	Jambi
Negara	Indonesia
Telepon	0741-35095
Fax	0741-35093
E-mail Administrator	elibrarystikom@gmail.com
E-mail CKO	elibrarystikom@gmail.com