Penerapan Algoritme Particle Swarm Optimization – Learning Vector Quantization (Pso-Lvq) Pada Klasifikasi Data Iris
| Main Author: | Romadhona, Ilham |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/161993/1/Ilham%20Romadhona.pdf http://repository.ub.ac.id/161993/ |
Daftar Isi:
- Bunga Iris saat ini telah mudah dijumpai diberbagai penjuru dunia dengan spesies yang bermacam-macam. Dalam bahasa Yunani Iris merupakan sosok dari dewi pelangi karena spesies Iris sendiri telah mencapai 260 hingga 300 macam spesies dengan warna bunga yang berwarna-warni dan mencolok. Karena banyaknya spesies Iris tersebut, maka dibutuhkan klasifikasi dalam membedakan spesies pada bunga Iris. Untuk menyelesaikan permasalahan tersebut, digunakan algoritme Learning Vector Quantization (LVQ) yang nantinya akan dioptimasi menggunakan algoritme Particle Swarm Optimization (PSO) dengan melakukan klasifikasi pada spesies Iris Sentosa, Iris Virginica dan VersiColor yang mana spesies tersebut telah didata sebelumnya pada dataset Iris. Hasil dari penelitian ini selanjutnya dibandingkan dengan klasifikasi menggunakan algoritme LVQ. Didapatkan rata-rata akurasi menggunakan algoritme PSO-LVQ sebesar 93,334%, sedangkan rata-rata akurasi menggunakan algoritme LVQ sebesar 84,268%. Selisih rata-rata akurasi yang didapatkan sebesar 9,066% yang menandakan algoritme PSO-LVQ memberikan peningkatan hasil yang cukup baik dibandingkan algoritme LVQ.