REDUKSI DIMENSI SET DATA DENGAN DRC PADA METODE KLASIFIKASI SVM DENGAN UPAYA PENAMBAHAN KOMPONEN KETIGA

Abstract

Abstrak
Set data yang diolah dalam sistem seperti data mining, information retrieval, computer vision,
atau sistem-sistem lain yang menggunakan set data sebagai basis data utama dalam
menyelesaikan kasus yang ditangani, bisa memiliki ukuran yang sangat besar dalam hal
jumlah fitur yang digunakan. Banyak keuntungan yang didapat jika dilakukan reduksi dimensi.
Kunci keuntungannya adalah banyak algoritma data mining yang bekerja dengan baik jika
dimensi lebih rendah. Penelitian ini mengembangan metode Dimension Reduction Technique
for K-Means Clustering Algorithm (DRC) dengan menambahkan komponen ketiga yaitu z.
Hasilnya, kinerja akurasi metode yang diusulkan (DRC 3 DIM) dalam mereduksi dimensi pada
metode klasifikasi SVM mampu memberikan akurasi yang tetap relatif baik ketika jumlah
dimensi awal masih tidak banyak. Sedangkan waktu komputasi yang dibutuhkan, baik untuk
training maupun prediksi masih dapat ditoleransi untuk dapat digunakan, setelah
mempertimbangkan bahwa waktu training dan prediksi berada pada level pertengahan ketika
dibandingkan dengan metode pembanding.

Kata kunci: reduksi, dimensi, drc, klasifikasi.