Assignment 4 (part 2): Model Klasifikasi Algoritma

MODEL KLASIFIKASI ALGORTIMA:

Selain Decision tree, model klasifikasi algortima memiliki beberapa model, yaitu:

  1. Algoritma K-Nearest Neighbor

Algoritma k-nearest neighbor (KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. KNN termasuk algoritma supervised learning dimana hasil dari query instance yang baru diklasifikasi berdasarkan mayoritas dari kategori pada KNN. Nanti kelas yang paling banyak muncullah yang akan menajdi kelas hasil klasifikasi.

Tujuan dari algoritma ini adalah, mengklasifikasi objek baru berdasarkan atribut dan training sample. Classifier tidak menggunakan model apapun untuk di cocokkan dan hanya berdasarkan pada memori.

Algoritma metode k-nearest neighbor sangatlah sederhana. Bekerja berdasarkan jarak terpendek dari query instance ke training sample untuk menentukan KNN-nya.

  1. Algoritma Naive Bayes

merupakan sebuah metoda klasifikasi menggunakan metode probabilitas dan statistik yg dikemukakan oleh ilmuwan Inggris Thomas Bayes. Algoritma Naive Bayes memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes. Ciri utama dr Naïve Bayes Classifier ini adalah asumsi yg sangat kuat (naïf) akan independensi dari masing-masing kondisi / kejadian.

  1. Artificial Neural Network (ANN)

Artificial Neural Network (ANN) merupakan cabang ilmu multi disiplin yang meniru cara kerja otak makhluk hidup. Salah satu struktur yang ditiru adalah bentuk neuralnya. Jaringan syaraf tiruan dapat menyelesaikan rumit/tidak mungkin jika diselesaikan dengan menggunakan komputasi secara konvensional.

Fungsi dari Neural Network diantaranya adalah:

  1. Pengklasifikasian pola
  2. Memetakan pola yang didapat dari input ke dalam pola baru pada output
  3. Penyimpan pola yang akan dipanggil kembali
  4. Memetakan pola-pola yang sejenis
  5. Pengoptimasi permasalahan
  6. Prediksi
  1. Support Vector Machine
    (SVM ) juga dikenal sebagai teknik pembelajaran mesin (machine learning) paling mutakhir setelah pembelajaran mesin sebelumnya yang dikenal sebagai Neural Network ( NN). Baik SVM maupun NN tersebut telah berhasil digunakan dalam pengenalan pola. Pembelajaran dilakukan dengan menggunakan pasangan data input dan data output berupa sasaran yang diinginkan. Pembelajaran dengan cara ini disebut dengan pembelajaran terarah (supervised learning). Dengan pembelajaran terarah ini akan diperoleh fungsi yang menggambarkan bentuk ketergantungan input danoutputnya. Selanjutnya, diharapkan fungsi yang diperoleh mempunyai kemampuan generalisasi yang baik, dalam arti bahwa fungsi tersebut dapat digunakan untuk data input di luar data pembelajaran.

Sumber:

https://informatikalogi.com/algoritma-naive-bayes/

http://www.metode-algoritma.com/2013/06/artificial-neural-network-ann-jaringan.html

http://wayanwidhiblogspotcom.blogspot.co.id/2011/10/pengertian-pola-svm-dan-contohnya_23.html

https://www.scribd.com/doc/57208138/Metode-Algoritma-KNN

 

Leave a Reply

Your email address will not be published. Required fields are marked *