Putra, RomadonPradana (2016) Implementasi Learning Vector Quantization (Lvq) Dalam Pembangkitan Otomatis Fungsi Keanggotaan Fuzzy Pada Penderita Penyakit Hepatitis. Sarjana thesis, Universitas Brawijaya.
Abstract
Fungsi Keanggotaan merupakan fungsi yang memetakan setiap elemen masukan ke dalam derajat keanggotaan antara 0 hingga 1 dan merupakan parameter yang penting pada penerapan logika fuzzy untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat. Pada perkembangan awal logika fuzzy, pakar memiliki peran dalam menentukan batas fungsi keanggotaan. Namun pada perkembangannya sering tidak ditemukan pakar untuk menentukan batas fungsi keanggotaan. Berdasarkan permasalah tersebut mulai dilakukan penelitian berkaitan dengan pembangkitan fungsi keanggotaan secara otomatis. Salah satu metode yang dapat digunakan untuk melakukan pembangkitan otomatis fungsi keanggotaan fuzzy menggunakan metode Learning Vector Quantization. Proses pembangkitan batas fungsi keanggotaan dengan menggunakan Learning Vector QuantizationI dibagi dalam tiga tahap yaitu tahap pelatihan, pengujian, dan perhitungan. Pada tahap pelatihan menggunakan nilai bobot awal random dan digunakan untuk mendapatkan nilai bobot akhir terbaik. Sedangkan pada tahap pengujian dilakukan proses perhitungan nilai kelas keluaran berdasarkan nilai bobot akhir dari proses pelatihan. Tahap selanjutnya dilakukan proses perhitungan akurasi, nilai titik tengah dan nilai standar deviasi berdasarkan nilai kelas keluaran. Data yang digunakan pada penelitian ini adalah data penderita penyakit hepatitis yang diperoleh dari UCI Machine Learning Repository. Proses pengujian yang dilakukan berdasarkan 4 tahapan yaitu pengujian learning rate, pengurangan learning rate, iterasi maksimum, dan jumlah data latih. Berdasarakan proses pengujian yang dilakukan didapatkan hasil fungsi keanggotaan terbaik adalah data uji 24 data, nilai learning rate = 0.1, pengurangan learning rate = 0.5, iterasi maksimum = 5, dan jumlah data latih 12 data.
English Abstract
Membership function is a function that maps each input element into the degree of membership between 0 and 1, and an important parameter for implement fuzzy logic to represent the problem and produce an accurate decision. Fuzzy logic was earlier developed by experts who have capability in determining boundary of membership function. But in it’s development often harder to find experts for determining boundary of membership functions. Based on these problems, research that was related on automatically generating membership function was started. One of the methods that can be used automatically generating membership function was Learning Vector Quantization. Generating membership function by using Learning Vector Quantization was divided to three different steps. First step was training phase using random initial weights value and was used to obtain the best final weights value. While in the testing phase used to calculate output class value based on final weights value from training phase. The next step was calculated accuracy, midpoint value, and standart deviation value based on output class value from testing phase. The data which was used in this research was hepatitis disease data that was obtained from the UCI Machine Learning Repository. The testing process were carried out based on 4 steps, that were Llearning rate, learning rate reduction, maximum iteration and number of training data. Based on 4 tests showed the best membership function was, 24 testing data, 0.1 of learning rate value, 0.5 of learning rate reduction value, 5 of maximum iteration number, and 12 training data.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2016/684/051700254 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 13 Jan 2017 10:10 |
| Last Modified: | 22 Oct 2021 02:44 |
| URI: | http://repository.ub.ac.id/id/eprint/147267 |
Preview |
Text
ROMADON_PRADANA_PUTRA_105090603111003.pdf Download (6MB) | Preview |
Preview |
Text
ROMADON_PRADANA_PUTRA_105090603111003_-_Paper.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |