Optimasi Pemilihan Fitur Menggunakan Algoritma Branch And Bound

Rini, Suci Hatining (2005) Optimasi Pemilihan Fitur Menggunakan Algoritma Branch And Bound. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5100100002-Undergraduate Thesis.pdf]
Preview
Text
5100100002-Undergraduate Thesis.pdf - Published Version

Download (28MB) | Preview

Abstract

Suatu fitur sangat diperlukan untuk mengindentifikasikan suatu objek.
Fitur-jitur optimal yang bisa diketahui dari suatu objek akan mempermudah dan
mempercepat proses indentifikasi objek tersebut. Fitur yang sedikit akan
mempermudah dalam menentukan daerah keputusan (decision regions). Untuk itu
perlu dilakukan pemilihan fitur yang paling optimal dari fitur-jitur yang ada.
Metode Branch and Bound merupakan salah satu metode yang
digunakan untuk pemilihan fitur optimal. Algoritma ini telah mengalami beberapa
perbaikan sehingga ada empat algoritma yang telah dihasilkan yaitu algoritma
Branch and Bound dasar (BBB), Improved Branch and Bound (IBB), Branch and
Bound Partial Prediction (BBPP) dan Fast Branch and Bound (FBB). Algoritma
BBPP dan FBB merupakan algoritma yang paling efisien dalam melakukan
penghitungan kriteria. Kedua algoritma ini menggunakan suatu mekanisme
prediksi untuk mengurangi jumlah penghitungan evaluasi kriteria.
Uji coba dilakukan menggunakan data sintetik dengan variasi fungsi
kriteria yang digunakan telah didefinisikan. Uji coba dilakukan sebanyak lima
kali dengan lima fungsi kriteria yang berbeda dan hasil dari uji coba ini
menunjukkan bahwa algoritma Branch and Bound sangat dipengaruhi olehfungsi
kriteria dan data yang digunakan, prediksi yang digunakan pada algoritma BBP P
dan algoritma FBB menyebabkan performance kedua algoritma tersebut lebih
baik daripada algoritma IBB maupun BBB, kondisi terburuk terjadi hila fungsi
kriteria yang digunakan menyebabkan semua jitur menghasilkan nilai kriteria
yang sama sehingga tidak ada cabang yang mengalami cut off dan nilai kriteria
tergantung pada fungsi kriteria yang digunakan, bukan pada ukuran subset di
tiap level tree.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 005.1 Rin o
Subjects: Q Science > QA Mathematics > QA9.58 Algorithms
Divisions: Faculty of Information Technology > Informatics Engineering
Depositing User: ansi aflacha
Date Deposited: 15 Oct 2019 02:48
Last Modified: 15 Oct 2019 02:48
URI: http://repository.its.ac.id/id/eprint/71177

Actions (login required)

View Item View Item