Pengklasifikasian Kualitas Minuman Anggur Menggunakan Algoritma Learning Vector Quantization Berbasis Asosiasi

Hermanenda, GemaAdha (2013) Pengklasifikasian Kualitas Minuman Anggur Menggunakan Algoritma Learning Vector Quantization Berbasis Asosiasi. Sarjana thesis, Universitas Brawijaya.

Abstract

Secara umum, klasifikasi kualitas wine menggunakan dua cara, yaitu secara obyektif dan secara subyektif. Pengukuran obyektif dilakukan melalui tes laboratorium berdasarkan data senyawa kimia yang terdapat di dalam kandungan wine . Sedangkan pengukuran subyektif merupakan pengukuran yang dilakukan oleh pakar melalui analisa sensori dengan menilai langsung karakteristik wine . Analisa sensori membutuhkan cost dan waktu yang besar. Pengenalan pola dalam proses pengklasifikasian kualitas minuman anggur dapat membantu dalam proses pelabelan kelas dan dapat menggantikan peran pakar dalam pengklasifikasian wine quality . Learning Vector Quantization (LVQ) merupakan suatu algoritma yang sering digunakan dalam pembelajaran jaringan syaraf tiruan dalam mengenali suatu pola. Learning Vector Quantization merupakan pembelajaran yang bersifat supervised learning yang dapat membangun polanya sendiri. Penambahan association rule basis asosiasi dapat memberikan hasil akurasi yang lebih baik terhadap hasil klasifikasi karena adanya penambahan bobot pada tiap atribut. Data kualitas wine yang digunakan berasal dari UCI Machine Learning . Analisa hasil akurasi dari pengklasifikasian kualitas wine berdasarkan jumlah data benar dibandingkan dengan data uji. Dari hasil analisis didapatkan nilai minimum support dengan hasil akurasi terbaik pada 0 sampai dengan 0.04, learning rate 0.0201, dan maksimum epoh 2300 untuk dataset red wine dan 5000 untuk dataset white wine . Hasil akurasi dengan rata-rata kurang dari 60% dimungkinkan karena adanya outlier pada dataset dan adanya variasi pola data latih dengan data uji yang berbeda jauh sehingga data centroid yang diambil sebagai acuan tidak dapat mewakili pola data uji.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2013/135/051307423
Subjects:	000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Endang Susworini
Date Deposited:	21 Aug 2013 15:30
Last Modified:	23 Oct 2021 09:24
URI:	http://repository.ub.ac.id/id/eprint/145769

	Text ALL-BAB.pdf Download (3MB)
	Other (Thumbnails conversion from text to thumbnail_lightbox) lightbox.jpg Download (36kB)
	Other (Thumbnails conversion from text to thumbnail_preview) preview.jpg Download (15kB)
	Other (Thumbnails conversion from text to thumbnail_medium) medium.jpg Download (4kB)
	Other (Thumbnails conversion from text to thumbnail_small) small.jpg Download (1kB)

Actions (login required)

View Item