3. metode-metode pada sistem pakar
TRANSCRIPT
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
1/24
Metode-metode
pada Sistem Pakar
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
2/24
Similarity Measure
• Similarity Measure adalah metode yangdigunakan untuk menghitung kesamaandari dua buah objek berdasarkan pola
atau karakteristik tertentu• Ada beberapa kategori diantaranya:
1. Distance-Based Similarity Measure
. Probabilistic-Based Similarity Measure!. Set-Based Similarity Measure
". #eature-Based Similarity Measure
$. %onte&t-Based Similarity Measure
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
3/24
Distance-Based Similarity
Measure• Distance-Based Similarity Measure mengukur
tingkat kesamaan dua buah objek dari segi jarak geometris dari 'ariabel-'ariabel yang
tercakup di dalam kedua objek tersebut.• (ang termasuk Distance-Based:
- Euclidean Distance
- Manhattan Distance
- Minko)ski Distance- *e'enshtein Distance
- Binary Distance
- dll
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
4/24
Probabilistic-Based
Similarity Measure• Probabilistic-Based Similarity Measure
menghitung tingkat kemiripan dua objekdengan merepresentasikan dua set objek
yang diperbandingkan tersebut dalambentuk probability
• (ang termasuk:- +ullback *eibler Distance
- Posterior Probability
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
5/24
Set-Based Similarity
Measure• Salah satunya adalah ,accard nde&.
• ,accard nde& adalah indeks yangmenunjukkan tingkat kesamaan antara suatu
himpunan set/ data dengan himpunan set/data yang lain.
• ,accard nde& : J(A,B) = (A INTERSECT B)/(A UNION B)
• Sebagai kebalikannya0 tingkat ketidak samaanantara dua himpunan dihitung dengan: J_delta(A,B) = ((A UNION B) – (A INTERSECT B))/(AUNION B)
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
6/24
#eature-Based Similarity
Measure• #eature-based similarity measure
melakukan penghitungan tingkatkemiripan dengan merepresentasikan
objek ke dalam bentuk eature-eatureyang ingin diperbandingkan. #eature-based similarity measure banyakdigunakan dalam melakukan
pengklasi2kasian atau pattern machinguntuk gambar dan te&t.
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
7/24
%onte&t-Based Similarity
Measure• %onte&t-based similarity measure
melakukan penghitungan tingkatkemiripan objek-objek yang mempunyai
struktur yang tidak biasa seperti objekyang harus direpresentasikan dengantree structure atau struktur yang lainnya.
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
8/24
3uclidean Distance%ontoh aplikasi
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
9/24
Distance
• 1 Dimensi :
• Dimensi:
-" 4
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
10/24
#ormula
%ontoh: 5erdapat 'ektor ciri berikut:
3uclidean Distance dari 'ektor A dan B:
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
11/24
3uclidean Distance
• 3uclidean distance hanya dapatdigunakan pada 'ector dengan dimensipanjang/ sama
• Banyak digunakan pada metode-metodeklasi2kasi seperti k-660 +Means0 dll
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
12/24
*atihan
• Diketahui 'ector:
A = [1,3,4,5,5]
B = [1,1,1,2,2]
C = [3,3,4,2,2]
7itung 3uclidean Distance untuk 'ector
berikut:D = [2,2,2,2,6]
Manakah 'ector terdekat dengan D8
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
13/24
Pertanyaan untuk
3uclidean:• Bagaimana jika dimensi 9 panjang 'ector
yang dihitung jaraknya tidak sama8
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
14/24
%lassi2cationMethods
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
15/24
5op 14 Algorithms in Data
MiningSalah satu konerensi internasional terbesar tentang data miningyaitu 333 %DM0 pada Desember 440 menghasilkan 14 peringkatalgoritma dalam DM:
1. %".$
. +-Means!. S;M Support ;ector Machine/
". Apriori
$. 3M 3&pectation Ma&imi. AdaBoost
8. kNN (K Nearest Neighbor)
?. 6ai'e Bayes
14.%A=5 %lassi2cation and =egression 5rees/
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
16/24
+-66 +-6earest 6eighbor/
• Algoritma k-nearest neighbor k-66 atau+66/ adalah sebuah metode untukmelakukan klasi2kasi terhadap objek
berdasarkan data pembelajaran yang jaraknya paling dekat dengan objektersebut.
• Semua titik yang merepresentasikan data
learning pada k-66 dengan rumus3uclidean Distance
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
17/24
#lo)chartAlgoritma k-66
Pencarian 6earest 6eighbor
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
18/24
Pencarian 6earest
6eighbor 5erdapat beberapa jenis algoritmapencarian tetangga terdekat0 diantaranya:
1. *inear scan. Pohon kd
!. Pohon Balltree
". Pohon metrik$. *ocally-sensiti'e hashing *S7/
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
19/24
+elebihan dan +elemahan
k-66Kelebihan• +66 memiliki beberapa kelebihan yaitu bah)a dia tangguh
terhadap training data yang noisy dan eekti apabila datalatihnya besar.
Kelemahan
• +66 perlu menentukan nilai dari parameter + jumlah daritetangga terdekat/
• Pembelajaran berdasarkan jarak tidak jelas mengenai jenis jarak apa yang harus digunakan dan atribut mana yang
harus digunakan untuk mendapatkan hasil yang terbaik• Biaya komputasi cukup tinggi karena diperlukan
perhitungan jarak dari tiap sample uji pada keseluruhansample latih
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
20/24
%ontoh
• Diketahui suatu karakteristik terdiri dari atribut denganskala kuantitati yaitu @1 dan @ serta kelas yaitu baik danburuk . Data training 9 rule sbb:
• ,ika terdapat data baru dengan nilai @1! dan@>0 apakah termasuk baik atau buruk8
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
21/24
*angkah-langkah
1. 5entukan parameter + jumlah tetanggaterdekat. Misalkan ditetapkan + !
. 7itung jarak antara data baru dengan semua
data training:Dapat dihitungmenggunakan3uclideanDistance
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
22/24
*angkah-langkah
!. rutkan jarak tersebut dan tetapkan tetanggaterdekat berdasarkan jarak minimum ke-+:
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
23/24
*angkah-langkah
". Periksa kelas dari tetangga terdekat:
+esimpulan : @1! dan @> termasuk
kelas Baik
-
8/16/2019 3. Metode-metode Pada Sistem Pakar
24/24
Buatlah
• %ontoh kasus klasi2kasi besertapenyelesaiannya menggunakan k-66didiskusikan di kelas/