Analisis kinerja algoritme self-organizing MAP satu dimensi dan dua dimensi pada data kebakaran hutan dan data wine
Abstract
Self-organizing map (SOM) merupakan suatu jaringan saraf tiruan yang mampu melakukan
pemetaan topologi dari unit-unit pada lapisan masukan input ke lapisan masukan kompetitif.
Berdasarkan penelitian Ralina (2008) yaitu clustering menggunakan data citra, SOM memberikan
hasil dengan nilai cluster precision (CP) mencapai 85%. Penelitian ini menggunakan SOM dengan
data lain yaitu data kebakaran hutan dan data wine.
Topologi SOM menggunakan SOM 1 dimensi dan 2 dimensi. Kinerja SOM 1 dimensi diukur
berdasarkan nilai cluster precision (CP) dan nilai cluster recall (CR), sedangkan kinerja algoritme
SOM 2 dimensi diukur berdasarkan berhasil atau tidak memisahkan kelompok-kelompok yang ada
pada data kebakaran hutan dan data wine.
Hasil kinerja dari SOM 1 dimensi pada data kebakaran hutan diperoleh nilai CP 54% dan nilai
CR 53%, sedangkan pada data wine diperoleh nilai CP 70% dan nilai CR 69%. Kinerja SOM 1
dimensi pada data wine lebih baik dibandingkan data kebakaran hutan. Hasil dari Implementasi SOM
2 dimensi pada data kebakaran hutan, SOM tidak berhasil memisahkan kelompok-kelompok yang
ada. Berbeda dengan hasil kebakaran hutan, SOM 2 dimensi pada data wine cukup baik memisahkan
kelompok yang ada.
Collections
- UT - Computer Science [2323]