PRAKTIKUM 8

JARINGAN SYARAF TIRUAN

Audri Billy Kambodji

52019004

PRAKTIKUM MACHINE LEARNING

PRODI TEKNIK INFORMATIKA
STMIK KHARISMA MAKASSAR
2022
PERCOBAAN
Import Library dan dataset

Mengubah label kelas untuk Iris virginica menjadi 1 dan bukan jenis iris virginica menjadi 0. Hal ini
dilakukan karena perceptron hanya mampu melakukan klasifikasi data ke dalam dua kelas. Sehingga pada
praktikum ini dataset yang memiliki 3 label kelas diubah menjadi dua kelas yaitu jenis iris virginica dan
bukan jenis virginica (versicolor dan setosa)
Menampilkan data menggunakan scatter plot. Memvisualisasikan data dapat membantu untuk mengetahui
karakteristik data yang akan dimodelkan.

Membagi data set menjadi 75% (112 data) sebagai data latih dan 25% (38 data) akan digunakan sebagai
data uji. Untuk membagi dataset menjadi data latih dan data uji, kita dapat menggunakan train_test_split
dari library sklearn.
Membuat model data dengan jaringan syaraf tiruan jenis Perceptron menggunakan kelas Perceptron pada
library scikit learn. Perceptron melakukan training data dengan menggunakan kriteria berhenti berupa
maksimum iterasi 100 atau perubahan bobot < 0.001 serta learning rate 0.1.

Mencetak beberapa atribut model hasil training yaitu bobot (coef_), bias(intercept_), dan jumlah iterasi
yang dilakukan pada proses training.
Memprediksi kelas dari data uji dan mencetak hasil prediksi

Membuat Confusion Matrix untuk menghitung akurasi

Memprediksi apakah bunga iris dengan sepal length 6.7 cm, sepal width 3 cm, petal length 5.2 cm dan,
petal width 2.3 cm termasuk jenis virginica atau bukan jenis virginica.
LATIHAN
1. Modifikasi kode pada percobaan 4 dengan beberapa kondisi pembagian dataset berikut. Lakukan
training dan testing data dan lengkapi nilai akurasi prediksi untuk masing-masing kondisi pada tabel
berikut. Tuliskan apa yang anda dapat simpulkan dari mengamati nilai akurasi tersebut.
Pembagian data set Akurasi Prediksi
Data latih 80%, Data Uji 20 % 100%
Data latih 70%, Data Uji 30 % 80%
Data latih 60%, Data Uji 40 % 90%
Data latih 40%, Data Uji 60 % 74.4444%
Kesimpulan: Semakin banyak data latih yang digunakan maka akan semakin akurat.

2. Modifikasi kode pada percobaan 5 untuk maksimum iterasi sebesar 1, 5, 10, dan 15 untuk pembagian
dataset yaitu data latih 75% dan data uji 25 %. Bandingkaan akurasi prediksi yang dihasilkan untuk
masing-masing maksimum iterasi. Berikan kesimpulan anda berdasarkan hasil pengamatan akurasi
tersebut.
Iterasi Maksimum Akurasi Prediksi
1 57.89473684210527%
5 52.63157894736842%
10 92.10526315789474%
15 89.47368421052632%
Kesimpulan: Semakin banyak iterasi yang dilakukan maka akan semakin akurat.

KESIMPULAN
Dari percobaan ini dapat disimpulkan bahwa paket scikit learn dapat digunakan untuk membuat model
perceptron serta mengimplementasikannya untuk mengklasifikasikan data.