Aplikasi Learning Vector Quantization Edisi Revisi

[email protected] - http://softscients.blogspot.com

Aplikasi Learning Vector Quantization

(JAVA)Oleh: [email protected]

learning vector quantization. LVQ ternyata sangat c

kelas. Ada banyak kasus sederhana yang bisa dipecah

boolean mengenai AND dan OR, ataupun permasalahan lainnya.

sedikit pengecualian yaitu dalam klasifikasi target harus dimulai dari

sehingga dalam logika boolean yaitu

target 1 semula diganti dengan 2

0 diganti dengan 1, jadi target LVQ harus mempunyai nilai minimal 1 bukan 0.

http://softscients.blogspot.com – www.softscients.web.id

Learning Vector Quantization

[email protected]

Pembahasan mengenai metode

pelatihan terbimbing seperti LVQ,

Backprogation dan metode pelatihan

tidak terbimbing seperti kohonen, K

Means sudah sangat luas

diimplementasikan untuk

memecahkan permasalahan yang

bersifat non linear. Pada kesempatan

kali ini, penulis mencoba untuk

melakukan implementasi LVQ

learning vector quantization. LVQ ternyata sangat cocok sekali melakukan klasifikasi

kelas. Ada banyak kasus sederhana yang bisa dipecahkan oleh LVQ yaitu logika

boolean mengenai AND dan OR, ataupun permasalahan lainnya. Didalam LVQ a

yaitu dalam klasifikasi target harus dimulai dari

dalam logika boolean yaitu

diganti dengan 2, dan


www.softscients.web.id

Learning Vector Quantization

Pembahasan mengenai metode

pelatihan terbimbing seperti LVQ,

Backprogation dan metode pelatihan

terbimbing seperti kohonen, K

Means sudah sangat luas

diimplementasikan untuk

memecahkan permasalahan yang

bersifat non linear. Pada kesempatan

kali ini, penulis mencoba untuk

melakukan implementasi LVQ -

ocok sekali melakukan klasifikasi

oleh LVQ yaitu logika

Didalam LVQ ada

yaitu dalam klasifikasi target harus dimulai dari angka 1


mu

lka

n.m

s@

gm

ail.

co

m


#Tahap Implementasi

Penulis menggunakan tools java sebagai bahasa utama untuk implementasi metode

LVQ, berikut tampilan utama dari aplikasi nya, ada 2 pilihan yaitu

Testing. Dalam Training hasil nya berupa model yang dapat disimpan dalam bentuk

file biner yang berisi bobot sehingga mudah dalam proses load dan save.

#proses training

Cara menggunakan aplikasi proses training yaitu aplikasi akan tampil dengan

beragam tombol dan tabel yang siap diisi.



LVQ, berikut tampilan utama dari aplikasi nya, ada 2 pilihan yaitu Training

Dalam Training hasil nya berupa model yang dapat disimpan dalam bentuk

risi bobot sehingga mudah dalam proses load dan save.


yang siap diisi.



Training dan

Dalam Training hasil nya berupa model yang dapat disimpan dalam bentuk

risi bobot sehingga mudah dalam proses load dan save.


mu

lka

n.m

s@

gm

ail.

co

m

[email protected] - http://softscients.blogspot.com – www.softscients.web.id

#Memasukan Matrix input dan Target

Matrix input dan target dijadikan dalam 1 tabel agar mudah, LVQ menggunakan

minimal 2 paramater dan 1 target, User bisa menggunakan 2 pilihan untuk

memasukan matrix ke tabel yaitu

[1]Import file file csv seperti berikut

atau

[2] dengan mengisi secara manual matrix data input dan target

#Memasukan Bobot

Pengisian bobot harus mengikuti kaidah LVQ, yaitu jumlah baris disesuaikan dengan

jumlah kelas dan jumlah kolom disesuaikan dengan jumlah paramater yang

digunakan, jadi bila anda belum tahu, silahkan gunakan tombol Buat Matrix Bobot

mu

lka

n.m

s@

gm

ail.

co

m


Misalkan dalam suatu kasus kita menggunakan data input berupa 3 paramater yaitu

x1,x2,x3 dengan 2 kelas target maka akan tercipta matrix bobot 2 baris*3kolom

#Proses training

Proses training bisa dimulai dengan tombol

secara otomatis jika mencapai 2 kondisi yaitu

[1]Epoch telah menjadi maksimal (hal ini masih terdapat error, bisa dinaikan nilai

maksimal epoch dari 10 sampai 1000)

Tampilan diatas jika masih terdapat error 1


kasus kita menggunakan data input berupa 3 paramater yaitu

x1,x2,x3 dengan 2 kelas target maka akan tercipta matrix bobot 2 baris*3kolom

Proses training bisa dimulai dengan tombol Pelatihan. Proses training akan berhenti

secara otomatis jika mencapai 2 kondisi yaitu

poch telah menjadi maksimal (hal ini masih terdapat error, bisa dinaikan nilai

maksimal epoch dari 10 sampai 1000) seperti berikut tampilan nya

terdapat error 1


kasus kita menggunakan data input berupa 3 paramater yaitu

x1,x2,x3 dengan 2 kelas target maka akan tercipta matrix bobot 2 baris*3kolom .

Proses training akan berhenti

poch telah menjadi maksimal (hal ini masih terdapat error, bisa dinaikan nilai mu

lka

n.m

s@

gm

ail.

co

m


Jika tampilan yang sukses seperti berikut

[2]Nilai minimal error telah tercapai

Untuk mencapai SUKSES harus melakukan trial and error dalam mengisi bobot nya!

Karena LVQ sangat dipengaruhi oleh nilai bobot awal!

Setelah selesai, gunakan tombol

paramater LVQ dalam bentuk file biner, simpan dengan nama, misalkan

or.bin’. Penulis sengaja menggunakan teknik POJO atau serialisasi dalam java untuk

menyimpan matrix bobot sehingga lebih simpel, sehingga model tersebut bisa

digunakan dikemudian hari pada proses testing/pengujian.


Jika tampilan yang sukses seperti berikut

Nilai minimal error telah tercapai (menandakan SUKSES)


Karena LVQ sangat dipengaruhi oleh nilai bobot awal!

Setelah selesai, gunakan tombol Simpan Model untuk menyimpan

paramater LVQ dalam bentuk file biner, simpan dengan nama, misalkan

. Penulis sengaja menggunakan teknik POJO atau serialisasi dalam java untuk


digunakan dikemudian hari pada proses testing/pengujian.



untuk menyimpan bobot dan

paramater LVQ dalam bentuk file biner, simpan dengan nama, misalkan ‘logika

. Penulis sengaja menggunakan teknik POJO atau serialisasi dalam java untuk


mu

lka

n.m

s@

gm

ail.

co

m


#Proses Testing

Setelah proses training selesai, bisa dilanj

Model untuk load model yang diperlukan

load matrix dan data target sehingga memudahkan bagi user dalam menggunakan

nya. Gunakan tombol Pengujian

Anda pun bisa mengubah nilai Matrix


ai, bisa dilanjut dengan proses testing, pilih

yang diperlukan, aplikasi akan secara otomatis melakukan


Pengujian untuk melakukan klasifikasi

a pun bisa mengubah nilai Matrix data input dengan data yang lainnya.


ut dengan proses testing, pilih Tombol Load

, aplikasi akan secara otomatis melakukan


nput dengan data yang lainnya.

mu

lka

n.m

s@

gm

ail.

co

m


Terlihat bahwa LVQ mampu melakukan logika


Terlihat bahwa LVQ mampu melakukan logika OR dengan baik


mu

lka

n.m

s@

gm

ail.

co

m


#kasus yang lainnya

Berikut adalah kasus yang lain yang bisa diimplementasikan oleh LVQ

1 = lingkaran

2 = bintang

3 = asterik


Berikut adalah kasus yang lain yang bisa diimplementasikan oleh LVQ


mu

lka

n.m

s@

gm

ail.

co

m


Kesimpulan yang didapat

LVQ mampu melakukan klasifikasi kelas

Hasil target kelas LVQ sangat dipengaruhi oleh bobot yang digunakan

#kasus non linear XOR

Kasus XOR merupakan kasus non linear yang tidak bisa

paramater saja, tapi minimal 3 paramater sehingga kita butuh hyperplane (dalam

teknik SVM dan percepton) seperti berikut


LVQ mampu melakukan klasifikasi kelas

Hasil target kelas LVQ sangat dipengaruhi oleh bobot yang digunakan

Kasus XOR merupakan kasus non linear yang tidak bisa dipisahkan hanya dalam 2


teknik SVM dan percepton) seperti berikut


dipisahkan hanya dalam 2


mu

lka

n.m

s@

gm

ail.

co

m

[email protected] - http://softscients.blogspot.com – www.softscients.web.id

Anda harus melakukan trial and error untuk mencapai bobot yang ideal sehingga

dapat SUKSES, atau gunakan saja nilai diatas pada saat pelatihan.

Dowload

Silahkan untuk menuju link berikut

http:/softscients.blogspot.com / www.softscients.web.id untuk update link download

terbaru

mu

lka

n.m

s@

gm

ail.

co

m

Aplikasi Learning Vector Quantization Edisi Revisi

Documents

Transcript of Aplikasi Learning Vector Quantization Edisi Revisi