Klasifikasi Keminatan Menggunakan Algoritme Extreme Learning Machine Dan Particle Swarm Optimization Untuk Seleksi Fitur
| Main Author: | Sugianto, Nur Afifah |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/3203/1/Nur%20Afifah%20Sugianto.pdf http://repository.ub.ac.id/3203/ |
Daftar Isi:
- Program keminatan pada Program Studi Teknik Informatika Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya merupakan suatu program pemantapan untuk profil lulusan mahasiswa Teknik Informatika. Tujuan dari program keminatan tersebut agar setiap mahasiswa memiliki kemampuan khusus sesuai dengan profil lulusan yang ingin dicapai. Untuk dapat membantu mahasiswa dalam memilih keminatan, dibutuhkan suatu sistem cerdas yang dapat menentukan keminatan mahasiswa sesuai dengan minat dan kemampuan mahasiwa. Salah satu metode klasifikasi yang dapat digunakan adalah algoritme Extreme Learning Machine (ELM). Namun metode tersebut tidak memiliki kemampuan untuk menyeleksi fitur sehingga perlu dikombinasi dengan algoritme Particle Swarm Optimization yang dapat digunakan untuk melakukan seleksi fitur secara otomatis dan optimal. Penelitian ini menggunakan 90 data hasil studi mahasiswa dengan 25 fitur dan 3 kelas. Berdasarkan penelitian yang telah dilakukan, didapatkan parameter-parameter optimal untuk algoritme ELM dan PSO. Parameter tersebut yaitu jumlah node pada hidden node 20, perbandingan data training dan data testing sebesar 80% : 20% ( 72 data training dan 18 data testing), jumlah partikel 120, maksimum iterasi 600 dan bobot inersia 1. Dari parameter tersebut didapatkan tingkat akurasi sistem menggunakan algoritme ELM&PSO sebesar 94,44% dengan 11 fitur terpilih. Sedangkan akurasi yang didapatkan dari algoritme ELM biasa hanya mencapai 66,67%. Dari hasil akurasi yang didapatkan, menunjukkan bahwa penambahan algoritme PSO pada ELM mampu meningkatkan akurasi algoritme ELM biasa.