Klasifikasi Data dengan Data Asal dan Data Tereduksi

Abstract

Analisis Komponen Utama Kernel (AKUK) merupakan perluasan dari Analisis Komponen Utama (AKU) biasa yang dapat digunakan untuk menyelesaikan permasalahan data yang takterpisah secara linear. Dua kelompok data, yaitu data pengenalan anggur dan data breast tissue digunakan dalam studi ini. Pengklasifikasian pada data asal dan data terstandardisasi dilakukan dengan jarak Euclid dan Mahalanobis. Salah klasifikasi yang diperoleh dengan jarak Mahalanobis lebih besar dibandingkan dengan jarak Euclid. Fungsi kernel Gauss dengan parameter 𝜎 digunakan dalam AKUK. Salah klasifikasi yang diperoleh dengan AKUK dari kedua kelompok data lebih kecil dibandingkan dengan AKU, pengklasifikasian langsung pada data asal, dan data terstandardisasi dengan menggunakan jarak Euclid. Salah klasifikasi yang diperoleh dari data pengenalan anggur langsung dengan data asal, data terstandardisasi, AKU, dan AKUK pada 𝜎=12 masing-masing ialah 27.53%, 2.25%, 2.81%, dan 1.12%. Sedangkan, salah klasifikasi yang diperoleh dari data breast tissue langsung dengan data asal, data terstandardisasi, AKU, dan AKUK pada 𝜎=4 masing-masing ialah 31.37%, 13.73%, 13.73%, dan 3.92%.