Analisis dan Implementasi Feature Selection Menggunakan Algoritma Fuzzy Support Vector Machine(FSVM)

Rendra Hermawan

Informasi Umum

Kode

113070263

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Informatika Teori Dan Pemrograman

Dilihat

281 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Data yang ada pada kasus nyata terkadang memiliki banyak feature yang tidak diperlukan sehingga mengganggu proses penggalian data yang akan dilakukan. Feature – feature yang tidak penting tersebut perlu dilakukan penanganan untuk meningkatkan kualitas proses penggalian data. Feature selection dengan menggunakan metode Fuzzy Support Vector Machine merupakan feature selection tipe wrapper dimana feature selection dilakukan bersamaan dengan pemodelan dan evaluasi feature berdasarkan classification rate yang dihasilkan oleh classifier yaitu Fuzzy Support Vector Machine. Untuk mendapatkan hasil maksimal pada waktu melakukan feature selection maka diperlukan pemilihan parameter yang tepat untuk Fuzzy Support Vector Machine, semakin baik parameter maka hasil feature selection juga akan semakin baik berbanding lurus dengan hasil klasifikasi.Kata Kunci : feature selection, Fuzzy, wrapper feature selection,SVMABSTRACT: Existing data on real world cases sometimes have many features that are not required.It can disrupt the process of extracting information from raw data. All of feature that is not important needs to be removed to improve the quality of the data mining output. Feature selection using Fuzzy Support Vector Machine method is a wrapper type feature selection where feature selection performed in conjunction with the modeling and evaluation of features based on classification rates generated by the classifier, Fuzzy Support Vector Machine. To get the maximum result of feature selection, it is necessary to do the proper selection of parameters for Fuzzy Support Vector Machine, the better the parameters of the feature selection results will also directly proportional to the better classification results.Keyword: feature selection, Fuzzy, wrapper feature selection,SVM