Anda di halaman 1dari 10

Klasifikasi Data dengan Learning Vector Quantization

Oleh : mulkan.ms@gmail.com http://softscients.blogspot.com

Learning vector quantization, Setelah penulis membuat versi di java, kini dilakukan porting kedalam platform .Net 4.0 yaitu C# karena C# untuk melakukan komputasi array dalam jumlah besar, lumayan lebih cepat. Mengenal LVQ yaitu algoritma non linear yang bekerja untuk melakukan klasifikasi supervisi sehingga kita harus mempunyai input dan target yang telah diketahui sebagai bahan untuk mencari nilai bobot yang optimal Aturan LVQ agar berbeda dengan backpropagation yaitu lebih simple tidak menggunakan fungsi aktifasi, tapi yang lebih penting adalah bobot awal yang digunakan harus tepat Misalkan

Saya mempunya 6 paramater dengan 16 data sample untuk diklasifikan menjadi

Maka matrix bobot nya yaitu

Misalkan kita mempunyai data berikut LOGIKA OR

P{1} itu artinya parameter 1 dan 2 T itu target, dalam hal ini angka 2 mewakili true dan 1 mewakili false Sehingga dalam kasus logika boolean OR ada 2 kelas dan 2 parameter dengan 4 sample data yang digunakan

Maka Field Jumlah Parameter diisi dengan 2 kemudian klik Buat Tabel Latih Isi Tabel Latih kemudian klik Load Data Isikan tabel Bobot

Setelah semua nya selesai! Klik Latih Akan menghasilkan

Pada tahap ini, anda selesai melakukan proses pelatihan Kemudian pilih tab Pengujian Untuk melakukan pengujian, isilah Tabel Uji kemudian klik Uji

Menghasilkan

Semuanya telah berjalan dengan baik

Mari kita uji dengan data-data data yang lainnya, misalkan pada contoh berikut (biasa nya penulis menggunakan Kmeans clustering untuk menentukan centroid nya! Tapi Kmeans cocok untuk kasus 2 dimensi atau 3 di mensi, lha kalau multidimensi itu akan sulit). Misalkan kita mempunyai 3 klasifikasi data yaitu

Agar lebih mudah, kita plotkan saja ke versi 2 dimensi yaitu

Terlihat bahwa secara ploting, terdapat 3 pusat data, bagaiamana LVQ dapat membantu kita??

Silahkan buka aplikasi pada tab Pelatihan Klik Label Import CVS Buka data (carilah file dengan nama data3.csv)

Agar lebih mudah nya! Klik Isi Bobot Acak agar Bobot nya terisi secara acak

Kumudian, klik Latih untuk proses pelatihan Bila terdapat pesan

Sebaik nya ubah bobot nya lagi! Misalkan penulis mengubah ke bobot 0,0 0,0 0,0 0,0 Kemudian klik Latih lagi, akan menghasikan

Yaitu

Nah, anda siap menggunakan untuk proses Pengujian jika perlu, contoh berikut

Terlihat bahwa LVQ dapat klasifikasi dengan baik.

FAQ: T: Bagiamana saya bisa mendowload contoh file biner dan contoh *.csv nya J: Silahkan kirim email ke mulkan.ms@gmail.com atau http://softscients.blogspot.com untuk mendapatkan link di dropbox.com mengenai biner application dan *.csv nya T: Bagaimana saya mendapatkan tutorial step by step mengenai LVQ serta source code nya? J: silahkan kirim email untuk penjelasan lebih lanjut T: Bisakan saya pesan aplikasi tersebut untuk dilakukan kustomisasi untuk riset atau project J: bisa dipesan