Pengelompokan Data Menggunakan Pattern Reduction Enhanced Ant Colony Optimization dan Kernel Clustering
Abstract: 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 PatternReduction 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 scenario 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.
Kata Kunci: Kernel Clustering,
Ant Colony Optimization, Pattern Reduction Enhanced Ant Colony Optimization
Penulis: Dwi Taufik Hidayat,
Chastine Fatichah, R.V. Hari Ginardi
Kode Jurnal: jptlisetrodd160158