Implementasi Nearest Neighbor pada Data Kategorik dengan Pembobotan Atribut Menggunakan Weighted Simple Matching Coefficient

Romario Wijaya, Nanik Suciati
Submission Date: 2017-07-24 12:50:57
Accepted Date: 2018-01-09 21:27:31

Abstract


Klasifikasi merupakan sebuah metode yang cukup sering digunakan dalam bidang statistika dan komputasi cerdas terutama dengan kaitannya untuk memprediksi sesuatu berdasarkan data yang diterima. Klasifikasi dapat dilakukan untuk berbagai macam tipe data mulai dari numerik, ordinal ataupun kategorik. Pada data kategorik perhitungan jarak perbedaan atau kesamaan tidak dapat dihitung menggunakan operasi matematik seperti yang dapat dilakukan terhadap data numerik. Salah satu metode yang dapat digunakan untuk menghitung jarak pada data kategorik adalah Simple Matching Coefficient (SMC). Namun metode ini terkesan tidak adil karena menganggap bahwa setiap atribut memiliki kotribusi yang sama terhadap tiap label kelas. Karena itu metode SMC akan dioptimasi dengan menggunakan Weighted Simple Matching Coefficient(WSMC). Dalam penelitian kali ini, diimplementasikan sebuah metode klasifikasi terhadap data kategorik yang menggunakan metode klasifikasi Nearest-Neighbor dengan pembobotan atribut menggunakan WSMC. Uji coba yang dilakukan terhadap 6 dataset dengan atribut bersifat kategorik, menunjukkan kemampuan metode dalam melakukan klasifikasi. Dengan rata-rata akurasi tertinggi didominasi oleh metode lokal. Rata-rata akurasi tertinggi untuk dataset Nursery, Cars, Gerakan tangan, Soybeans, Vote dan Dhermatology berturut-turut sebesar 77.31%, 80.35%, 97.00%, 91.64%, 92.41%, dan 95.90%.

Keywords


Nearest-Neighbor; data kategorik; pembobotan atribut

References


"k-nearest neighbors algorithm,” Wikipedia. 28-Nov-2016.

"Instance-based learning,” Wikipedia. 04-Des-2016.

L. Chen dan G. Guo, “Nearest neighbor classification of categorical data by attributes weighting,” Expert Syst. Appl., vol. 42, no. 6, hal. 3142–3149, Apr 2015.


CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Creative Commons License
Jurnal Teknik ITS by Lembaga Penelitian dan Pengabdian Kepada Masyarakat, LPPM-ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at http://ejurnal.its.ac.id/index.php/teknik.
Statistik Pengunjung