Bagaimana Menghitung Hyperplane pada SVM?

SVM atau dikenal dengan Support Vector Machine merupakan salah satu metode klasifikasi yang
ditemukan oleh Vapnik tahun 1979 1. Dasar pemikiran metode SVM ini adalah: 2

1. Garis hyperplane yang optimal yang memisahkan pola secara linier.

2. Pemisahan pola yang non-linier menggunakan penambahan fungsi kernel.

SVM memaksimumkan margin disekitar garis pemisah hyperplane.

Secara matematika, formulasi problem optimisasi SVM untuk kasus klasifikasi linier di dalam primal
space adalah:3

dimana xi merupakan data masukan dan yi merupakan keluaran, sedangkan w dan b merupakan
parameter yang kita cari nilainya.

Berikut saya tambahkan sedikit perhitungan SVM ala MS-Excel:

Perhitungan MS-Excel menghitung Hyperplane