Pembentukan Prototype Data Dengan Metode K-Means Untuk Klasifikasi dalam Metode K- Nearest Neighbor (K-NN)

Transkripsi

1 Pembentukan Prototype Data Dengan Metode K-Means Untuk Klasfkas dalam Metode K- Nearest Neghbor () Kharul Umam Syalman Magster Teknk Informatka Faslkom - TI USU kharul.q14@gmal.com Adl Abdllah Nababan Magster Teknk Informatka Faslkom - TI USU adlabdllahnababan@gmal.com Nada Wdar Nasuton Magster Teknk Informatka Faslkom - TI USU nadanwdar@gmal.com Abstrak Metode K-Nearest Neghbor () adalah metode klasfkas yang sederhana. menentukan kelas suatu data berdasarkan mayortas label dar K tetangga terdekat untuk mengklasfkaskan data tersebut. Permasalahan yang serng terjad dalam metode n adalah menentukan nla K yang palng bak untuk dgunakan dalam klasfkas. Selan nla K, model jarak yang dgunakan untuk menghtung kedekatan data juga menjad hal yang pentng untuk dperhatkan. Karena termasuk dalam lazy learner, dalam mengklasfkaskan data yang baru akan menghtung kemrpan data baru keseluruh bass pengetahuna yang mengakbatkan proses klasfkas menjad lama. Untuk mengatas permasalah tersebut, dalam peneltan n penuls mencptakan prototype data dar setap class data dengan menggunakan algortma K-Means. Model jarak yang dgunakan adalah Eucldean dengan nla lamda 3. Peneltan n berfokus pada pembentukan prototype data berdasarkan banyaknya data yang dapat dklasfkaskan. Kata kunc : klasfkas, K-Means, K-Nearest Neghbor, prototype data, Eucldean I. LATAR BELAKANG K-Nearest Neghbor adalah metode untuk melakukan klasfkas objek berdasarkan data pembelajaran yang terletak palng dekat dengan objek[1]. dperkenalkan pertama kal pada awal tahun 1950-an[2]. Mesk tergolong metode yang sederhana dan mudah, tetap termasuk salah satu dalam top 10 algorthm[3]. Meskpun begtu juga memlk masalah yang menark untuk ddskuskan, antara lan adalah pemlhan K yang 185

2 palng sesua untuk mengklassfkaskan suatu data. Hal n dkarenakan metode n hanya mengandalkan label mayortas dar K tetangga terdekat. Dalam mencar tetangga terdekat menggunakan model jarak, ada beberapa model jarak yang serng dgunakan, antara lan manhattan, eucldean, dan lan-lan. Dar beberapa model jarak yang dapat dgunakan, model jarak eucldean menjad model jarak yang palng serng dgunakan, karena model jarak eucldean cocok untuk menentukan jarak terdekat (lurus) antara dua data[1]. Dalam peneltan kal n akan dlakukan perhtungan dengan model jarak Eucldean. Selan model jarak, pemlhan jumlah K juga menjad permasalahan dalam algortma n. Maka dar tu, untuk mempermudah dan memfokuskan tujuan peneltan n jumlah K yang akan dgunakan untuk melakukan pengujan dmula dar K=1 sampa K=10. Pemlhan nla K yang besar dapat mengakbatkan dstors data yang besar pula, hal n dsebabkan karena setap tetangga memlk bobot yang sama terhadap data uj, sedangkan nla K yang terlalu kecl bsa menyebabkan algortma terlalu senstve terhadap nose. Karena termasuk kedalam Algortma lazy learner, dalam pengklasfkasannya akan menghtung jarak data baru ke seluruh data lath, yang mengakbatkan proses klasfkas menjad relatve lebh lama. Mengatas kekurangan tersebut peneltan kal n mencoba melakukan modfkas sebelum melakukan klasfkas dalam metode dengan menggunakan metode clusterng K-Means yang bertujuan untuk mencptakan prototype data yang dharapkan dapat mewakal data dar setap class data. Dmana gabungan dar dua algortma n selanjutnya dsebut dengan K-. II. TINJAUAN PUSTAKA a. Klasfkas Secara harfah, klasfkas adalah pembagan sesuatu menurut kelas-kelas. Menurut Sulstyo Basuk, klasfkas adalah proses pengelompokan/ pengumpulan benda atau enttas yang sama, serta memsahkan benda atas enttas yang tdak sama. Proses klasfkas menggunakan metode K- Nearest Neghbor () dan K-Means untuk clusterng. b. K-Nearest Neghbor K-Nearest Neghbor () merupakan sebuah metode untuk melakukan klasfkas terhadap objek berdasarkan data pembelajaran yang jaraknya palng dekat dengan objek tersebut. termasuk algortma supervsed learnng dmana hasl dar query nstance yang baru dklasfkan berdasarkan mayortas dar kategor pada. Kelas yang palng banyak muncul tu yang akan menjad kelas hasl klasfkas. Tujuan dar algortma n adalah mengklasfkaskan objek baru berdasarkan atrbut dan tranng sample. Algortma K- Nearest Neghbor menggunakan klasfkas ketetanggaan (neghbor) sebaga nla predks dar query nstance yang baru. Algortma n sederhana, bekerja berdasarkan jarak terpendek dar query nstance ke tranng sample untuk menentukan ketetanggaannya [4]. Langkah-langkah untuk menghtung metode K- Nearest Neghbor antara lan: 1. Menentukan parameter k 2. Menghtung jarak antara data yang akan devaluas dengan semua pelathan 3. Mengurutkan jarak yang terbentuk 4. Menentukan jarak terdekat sampa urutan k 5. Memasangkan kelas yang bersesuaan 6. Mencar jumlah kelas dar tetangga yang terdekat dan tetapkan kelas tersebut sebaga kelas data yang akan devaluas d p 1 ( x2 x1 ) Keterangan: x1 = Sampel data x2 = Data uj atau data testng = Varabel data d = Jarak p = Dmens data c. K-Means K-means untuk clusterng menggunakan metrk jarak untuk menemukan yang tetangga terdekat dan sebagan besar jarak Eucldean telah dgunakan

3 Fungs objektf K-Means dapat drepresentaskan sebaga berkut: J k n j 1 1 j x c Algortma K-Means 1. Tetapkan jumlah awal centrod secara acak atau berurutan 2. Htung jarak antara setap ttk data dan cluster pusat 3. Ulang: Tetapkan ttk data jarak mnmum ke cluster pusat yang jaraknya mnmum untuk ttk tu. 4. Htung ulang cluster center dengan menggunakan: 1 m c j x( ); m 1 mewakl jumlah data m pon dalam () cluster 5. Menghtung ulang jarak antara setap ttk data dan pusat cluster yang baru ddapat sampa: Tdak ada ttk data yang dtugaskan kembal. d. Model Jarak Model Jarak dgunakan untuk menghtung jumlah kemrpan atau kedekatan suatu data. Umam dan Labellapansa melakukan analss terhadap model jarak Mnkowsk untuk menentukan jurusan yang tepat pada sekolah tngg dengan nla lamda 1, 2 dan 3. Jumlah data yand dgunakan adalah 500 data dengan nla lamda yang palng akurat adalah lamda 1[8]. Ause Labellapansa dkk melakukan peneltan untuk menentukan penyakt Schzophrena dengan menggunakan model jarak mnkowsk dengan nla lamda 1, 2, dan 3. Hasl yang ddapat dar peneltan n adalah saat lamda bernla 3 hasl predks lebh akurat dar lamda yang bernla 1 dan 2 [9]. Ada banyak model pengukuran jarak, dan yang palng serng dgunkan antara lan model jarak Eucldea, Manhattan, Chebyshev, dan Mnkowsky[1]. Pengukuran jarak pada ruang jarak Eucldean j 2 ( ) Pengukuran jarak pada ruang jarak Manhattan ( ) Pengukuran jarak pada ruang jarak Chebyshev ( ) Pengukuran jarak pada ruang jarak Mnkowsky ( ) D adalah jarak antara data x dan y, N adalah jumlah ftur (dmens) data. adalah parameter jarak Mnkowsky, secara umum Mnkowsky adalah generalsas dar Eucldean dan Manhattan. merupakan parameter penentu, jka nla λ = 1 maka ruang jarak Mnkowsky sama dengan Manhattan, dan jka λ = 2 ruang jaraknya sama dengan Eucldean[6] dan jka λ= sama dengan ruang jarak Chebyshev[7]. III.HASIL DAN PEMBAHASAN a. Data Yang Dgunakan Dalam peneltan n menggunakan dua data set yang dunduh dar UCI Repostory Data Set. Data yang pertama adalah berupa data rs dan data yang kedua berupa data wne. Setap data dbag menjad dua, yatu data lath sebesar 80% dan data uj sebesar 20%. Data tersebut akan dgunakan untuk menguj gabungan metode K-means dan. Jumlah masng-masng data subset dapat dlhat pada table dbawah n : Tabel 1. Jumlah Setap Data Subset Data Subset Lath Uj Total Irs Wne Tabel 2. Detal Sebaran Data Lath Irs Setap Class 187

4 Irs- Irs- Vrgnca Total Setosa Verscolor Tabel 3. Detal Sebaran Data Lath Wne Setap Class Class 1 Class 2 Class 3 Total Adapun sebaran data untuk setap data lath pada setap data set dapat dlhat pada gambar dbawah n : b. Proses K- Gambar 1. Sebaran Data Irs Gambar 2. Sebaran Data Wne Untuk melhat apakah pembentukan prototype n berhasl atau tdak, maka akan dlhat berdasarkan perbandngan hasl klasfkas yang dlakukan algortma berdasarkan nla centrod akhr yang ddapat dar algortma K- Means sebaga prototype data dengan algortma K- NN konvensonal. Tahapan proses K- dapat dlakukan dengan mengkut langkah-langkah sebaga berkut. Pembentukan prototype data : Langkah 1 : Langkah 2 : Tentukan banyak cluster (K) Untuk setap kelompok data (C) tentukan ttk pusat cluster sebanyak K Langkah 3 : Htung jarak antara setap data ke pusat cluster dengan menggunakan model jarak eucldean Langkah 4 : Kelompokkan data ke cluster terdekat Langkah 5 : Htung pusat cluster baru Langkah 6 : Lakukan Langkah 3 sampa Langkah 6 hngga konvergen Klasfkas data uj : Langkah 7 : Htung jarak antara data baru ke setap pusat cluster pada setap kelompok data (C) menggunakan model jarak Eucldean Langkah 8 : Urutkan data dar pusat cluster berdasarkan jarak terdekat Langkah 9 : Jadkan kelompok mayortas menjad kelompok untuk data baru Langkah 10 : Lakukan langkah 7 sampa 9 untuk seluruh data uj Secara sederhana, apabla dbandngkan antara algortma K- dan konvensonal terletak pada pembelajaran dan klasfkasnya. Pada konvensonal, algortma tersebut tdak melakukan pembelajaran sama sekal. Sedangkan K- akan melakukan pembelajaran sehngga membentuk prototype data, dmana prototype data tersebut ddapat dar pusat cluster pada setap kelompok data. Perbedaan dalam melakukan klasfkasnya, K- hanya akan menghtung jarak sebanyak C x K untuk setap data yang akan dklasfkas. Sedangkan akan menghtung keseluruh data lath untuk setap data baru. Dalam peneltan n, penuls menggunakan nla K=1 sampa K=10 dengan model jarak eucldean. Dengan mengkut langkah-langkah pada bagan III (B), maka perbandngan akuras 188

5 pada kedua algortma dapat dlhat pada tabel dbawah n : Tabel 4. Perbandngan Akuras Pada data Uj Irs Jumlah Algortma K- K Terbak % 93.33% K % 93.33% K-, % 93.33% K % 93.33% K % 93.33% K-, % 93.33% K-, % 93.33% K-, % 93.33% K-, % 93.33% K-, % 93.33% K-, Total % % K % 93.33% K- Grafk perbandngan akuras pada data uj rs dapat dlhat pada gambar berkut: Gambar 3. Akuras K- dan Perbandngan akuras untuk data uj wne dapat dlhat pada tabel dbawah n : Tabel 5. Perbandngan Akuras Pada data Uj Wne Jumlah Algortma K- K Terbak % 80.56% % 80.56% % 72.22% K % 72.22% % 72.22% K % 69.44% K % 69.44% K % 69.44% K % 69.44% K % 72.22% K- Total K- Ratarata Ratarata 75.28% 72.78% K- Grafk perbandngan akuras pada data uj wne dapat dlhat pada gambar berkut : 189

6 [4] Rzal Yepryanto, dkk. Sstem Dagnosa Kesuburan Sperma Dengan Metode K-Nearest Neghbor (). Jurnal Ilmah SINUS ISSN : [5] Zhang, H and Guan, X Irs Recognton Based on Groupng KNN and Rectangle Converson. Internatonal Journal of IEEE Xplorer. [6] Mergo, J.M., dan Casanovas, M., 2008, The Induced Mnkowsk Ordered Weghted Averagng Dstance Operator, ESTYLF08, Cuencas Mneras (Meres- Langreo), Congreso Espanol sobre Tecnologasy Logca Fuzzy, pp Gambar 4. Akuras K- dan IV. KESIMPULAN Berdasarkan hasl peneltan dapat dlhat dar tabel dan gambar grafk akuras yang telah dpaparkan maka dapat dsmpulkan bahwa algortma K-Means dapat dgunakan sebaga suatu cara untuk mencptakan prototype data yang pada akhrnya prototype data tersebut dapat dgunakan untuk melakukan klasfkas dalam algortma K- NN. Pengujan dengan menggunakan data subset rs, dperoleh bahwa K- berhasl mendapat nla akuras lebh tngg saat nla K=1 dengan nla akuras 96.67%, K=3 dengan nla akuras 96.67%, dan K=4 dengan nla akuras 96.67%, selebhnya nla akuras yang ddapat oleh kedua algortma adalah sama, sebesar 93.33%. Sedangkan pengujan dengan menggunakan data subser wne, dperoleh bahwa memlk nla akuras yang tngg saat nla K=1 dengan nla akuras 80.56%, K=2 dengan nla akuras 80.56% dan K=4 dengan nla akuras 72.22%, selebhnya K- mendapat nla akuras yang lebh tngg. [7] Rao, M.K., Swamy, K.V., seetha, K.A., dan Mohan, B.C., 2012, Face Recognton Usng Dfferent Local Feature wth Dfferent Dstance Technques, Internatonal Journal of Computer Scence, Engneerng and Informaton Technology (IJCSEIT), Vol.2, No.1, pp 67-74, DOI: /jcset [8] Bn Lukman, Kharul Umam Syalman, and Ause Labellapansa. "Analsa Nla Lamda Model Jarak Mnkowsky Untuk Penentuan Jurusan SMA (Stud Kasus d SMA Neger 2 Tualang)." Jurnal Teknk Informatka dan Sstem Informas 1.2 (2015). [9] Ause Labellapansa etc., 2016, Lambda Value Analyss on Weghted Mnkowsk Dstance Model n CBR of Schzophrena Type Dagnoss, Fourth Internatonal Conference on Informaton and Communcaton Technologes (ICoICT) DAFTAR PUSTAKA [1] Prasetyo, Eko DATA MINING- Konsep dan Aplksa Menggunakan MATLAB. And Offset: Yogyakarta. [2] Han, Jawe ; Kamber, Mchelne Data Mnng: Concepts and Technques. Elsever. [3] Xndong, Wu., Vpn Kumar The Top Ten Algorthms n Data Mnng. Taylor & Francs Group. Unted States of Amerca. 190