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

Artikel Terkait :