PEREDUKSIAN DATA LATIH UNTUK INISIALISASI CODEBOOK PADA ALGORITMA LEARNING VECTOR QUANTIZATION (LVQ)

ADVENTUS RIDWAN K S, Anifuddin Azis, S.Si., M.Kom

2014 | Skripsi | ILMU KOMPUTER

Algoritma Learning Vector Quantization(LVQ) merupakan metode pembelajaran terawasi pada Jaringan Syaraf Tiruan (JST). LVQ ditujukan sebatas untuk klasifikasi statistikal atau metode pengenalan. Tujuan LVQ hanya untuk menetapkan daerah bagian setiap kelas dari data masukan. Salah satu permasalahan pada LVQ adalah penentuan inisial codebook sebagai bobot pembelajaran. Penelitian ini mencoba mengusulkan cara pereduksian data latih untuk digunakan sebagai inisial codebook. Ada tiga usulan metode, yaitu reduksi data berdasar radius terpanjang, radius terpendek, dan jumlah data yang terbanyak mewakili data lain. Radius adalah jarak terpendek antara suatu data dengan data lain yang berbeda kelas. Setelah codebook diinisilisasi dengan usulan metode tersebut, codebook hasil pembelajaran LVQ akan diuji dengan data latihnya. Akurasi pengujian di atas 98% dan pada beberapa pengujian menghasilkan akurasi 100%. Semakin tinggi akurasi dari pengujian data latih, maka codebook semakin baik merepresentasikan data latih.

Learning Vector Quantization (LVQ) Algorithm is a supervised learning algorithm in Artificial Neural Network (ANN). LVQ is strictly meant for a statistical classification or recognition method. LVQ purpose is only for define class region from the input data. One problem on LVQ is determining inital codebook as learning weight. This research will try to propose some reduction technique from training set used for initialization codebook. There are three proposed methods, reduction data from longest radius, shortest radius, and greater amount that representing another data. Radius is equal to the shortest distance between data and another data with different class. After initialing codebook using those technique, codebook from LVQ learning result will be testing using its training set. Accuration testing result is above 98%, and some testing have 100% accuration result. Higher accuration means codebook more representing training set.

Kata Kunci : LVQ, inisialisasi codebook, reduksi data, initialization codebook, reduction of data