Klasterisasi buku berbahasa indonesia
-
Upload
abdurrahman-abdurrahman -
Category
Data & Analytics
-
view
159 -
download
4
Transcript of Klasterisasi buku berbahasa indonesia
J U R U S A N T E K N I K I N F O R M A T I K A
F A K U L T A S T E K N I K
U N I V E R S I T A S M U H A M M A D I Y A H M A L A N G
2 0 1 4
KLASTERISASI BUKU BERBAHASA INDONESIA
DENGAN MENGIMPLEMENTASIKAN METODE TEXT MINING DAN ALGORITMA
ARTIFICIAL BEE COLONY K-MEANS
Oleh: Abdurrahman
201010370311397
Dosen Pembimbing: Yufis Azhar, M.Kom
Ali S. Kholimi, S.Kom
Pendahuluan
Latar Belakang
Data Minig dibagi menjadi 3 yaitu Klasifikasi, Klasterisasi dan Asosiasi.
Clustering : pengelompokkan data kedalam beberapa klas sehingga data dalam satu klas memiliki tingkat kemiripan yang maksimum dan data antar klaster memiliki kemiripan yang minimum (Theodoridis, 2006).
K-Means (KM): salah satu meode pengelompokan data nonhierarki (sekatan) yang berusaha mempartisi data yang ada kedalam dua atau lebih kelompok(Eko Prasetyo, 2012).
Terdapat kekurangan pada K-Means, yaitu pada inisial centroid awal.
Artificial Bee Colony (ABC) Karaboga (2005) suatu algoritma yang mengadopsi perilaku mencari makan dari koloni lebah madu.
Pendahuluan
ABC : algoritma dengan solusi global yang memiliki kualitas yang lebih baik dibandingkan dengan GA, PSO, Differential Evolution (DE), dan Evolution Strategies (ES) (Karaboga, 2009)
Dalam penelitian ini akan diusulkan sebuah algoritma baru yaitu hibridasi antara ABC dan KM.
ABC-KM ini diharapkan mampu mengoptimalkan posisi titik pusat klaster yang mengarah pada solusi global optimal.
Rumusan Masalah
Bagaimana menerapkan metode preprosesing text mining dalam kata-kata berbahasa Indonesia?
Bagaimana mentransformasi sinopsis buku menjadi sebuah data numerik?
Bagaimana menerapkan metode Term Frequency Inverse Document Frequency (TF-IDF) untuk pembobotan?
Bagaimana menerapkan aloritma Artificial Bee Colony K-Means untuk melakukan klasterisasi?
Bagaimana membandingkan hasil klaster antara algoritma Basic K-Means dengan algoritma Artificial Bee Colony K-Means?
Batasan Masalah
Kata kunci yang digunakan diambil dari beberapa kata dalam sinopsis buku yang di klaster.
Sinopsis buku menggunakan kata baku dalam bahasa Indonesia sebagai data yang akan diolah.
Sample data diambil dari sinopsis pada www.gramedia.com
Tujuan
Melakukan klasterisasi buku menggunakan algoritma Artificial Bee Colony K-Means.
Text Mining TF-IDF
K-Means (KM)
Ada 2 tipe Pengklasteran data (Tan, 2006) β’ Partisi : Klaster dibentuk dengan
membagi objek/data kedalam non-overlapping subset (klaster).
β’ Hirarki : Klaster dibentuk melalui pembentukan klaster bersarang (nested cluster) yang diimplemen-tasikan dalam bentuk tree (pohon).
K-Means : temasuk kedalam tipe partisi.
Artificial Bee Colony (ABC)
ABC Dervis Karaboga (2005)
Dalam ABC, Bee Koloni dibagi 3 :
Employed bee (lebah pekerja)
Onlooker bee (lebah penunggu sarang)
Scouts (lebah penjelajah)
Posisi sumber makanan possible solution
Nilai fitness jumlah nektar
Jumlah employed bee = Jumlah lebah onlooker = Jumlah cluster
ABC (Cont.)
ABC-KM
ABC-KM (Cont.)
Nama Keterangan
K Jumlah klaster
Limit Batas jumlah iterasi untuk abandoned food source
MCN Jumlah iterasi maksimum pada ABC
SN Jumlah solusi pada ABC
MaxGen1 Jumlah iterasi maksimum fase lebah pada ABC-KM
MaxGen2 Jumlah iterasi maksimum fase KM pada ABC-KM
MaxGenABCKM Jumlah iterasi maksimum metode ABC-KM
MaxPerulangan Jumlah perulangan uji coba
Ilustrasi Menggunakan Contoh Kasus
Text Mining
Case Folding
Text Mining (Cont.)
Tokenizing
Text Mining (Cont.)
Filtering
Text Mining (Cont.)
Stemming
Pembobotan TF-IDF
Menghitung frekuensi kata dari setiap dokumen (TF)
Pembobotan TF-IDF (Cont.)
Membuat file index
Pembobotan TF-IDF (Cont.)
Membuat model ruang vektor
Pembobotan TF-IDF (Cont.)
Menghitung inverse document frequency (IDF)
πΌπ·πΉ π€πππ = ππππ‘π
ππ
πΌπ·πΉ ππππ ππππ = ππππ‘π
ππ
= πππ5
1
= 0.69897
πΆπππ‘ππ βΆ
Pembobotan TF-IDF (Cont.)
Menghitung bobot dari setiap kata (TF*IDF)
π€ π€ππππ = ππΉ(π€ππππ)π(πΌπ·πΉπ)
πΆπππ‘ππ βΆ
π€ ππππ‘ππ = 0.39794π2
= 0.79588
Pembobotan TF-IDF (Cont.)
Normalkan semua dokumen ke panjang unit
π€ πππππππ ππ =0.79588
02 + 02 + 02 + 02 + 02 + 02 + 02 +
02 + 02 + 02 + 02 + 0.795882+
0.698972 + 0.698972 + 02 + 02 + 02 +
02 + 02 + 0.698972 + 0.698972 +
0.698972 + 02 + 02 + 02 + 02 + 02
= 0.45377
π€ π€ππππ =π€(π€ππππ)
π€2 π€πππ1 + π€2 π€πππ2 +β―+π€
2(π€ππππ)
πΆπππ‘ππ βΆ
Pembobotan TF-IDF (Cont.)
Hasil Normalisasi
Pembobotan TF-IDF (Cont.)
Bobot akhir kata
ABC-KM
Tentukan jumlah klaster dan inisialisasikan populasi : Dalam percobaan ini, data akan di bagi menjadi dua klas.
Pilih titik pusat awal lebah pekerja secara random : Untuk menginisialisasikan titik pusat centroid dari dokumen, maka akan dipilih secara acak yaitu dokumen 1 dan 5.
ABC-KM (Cont.)
Update titik pusat lebah pekerja dengan tahapan update pada metode ABC (Fase Lebah Pekerja).
π₯π,π, π = 1β¦ππ, π = 1β¦π·
ππ = 5
π· = 27
π = *1,2+
π = *1,2+
π = *1,2,3,4,5+
Dimana nilai dari π β π
π£ππ = π₯ππ + β ππ(π₯ππ β π₯ππ)
π£1,1 = π₯1,1 + β 1,1 π₯1,1 β π₯2,1
= 0.33333 + 0.32645 0.33333 β 0 = 0.44214
Contoh :
ABC-KM (Cont.)
Update titik pusat lebah pekerja dengan tahapan update pada metode ABC (Fase Lebah Penunggu).
ππ = π ππ π₯π π€(π₯π)π₯πππ=1
π(ππ|π₯π)π€(π₯π)ππ=1
ππ= ||π₯π β ππ||
2
π
π=1
πππ‘π=1
1 + ππ
ππ =πππ‘π
πππ‘π
πππ=1
π1 =πππ‘1
πππ‘1+ πππ‘
2+ πππ‘
3+β―+ πππ‘
27
πΆπππ‘ππ βΆ
=0.91427
24.01966
= 0.03806
ABC-KM (Cont.)
Update titik pusat lebah pekerja dengan tahapan update pada metode ABC (Fase Lebah Pengintai).
π₯ππ= π₯ππππ+ ππππ 0,1 π₯πππ₯
πβ π₯ππππ
πΆπππ‘ππ βΆ
π₯1π= π₯ππππ+ ππππ 0,1 π₯πππ₯
πβ π₯ππππ
π₯1 = 0.03315 + 0.23454 0.04163 β 0.03315
= 0.0362
ABC-KM (Cont.)
Tentukan titik pusat terbaik dari seluruh lebah : Jika sumber makanan baru mempunyai netkar yang sama atau lebih baik, maka sumber makanan yang lama akan di buang, jika tidak maka sumber makanan yang lama akan tetap dipertahankan (Greedy Selection).
Update titik pusat dengan tahapan K-Means : Mengambil titik pusat dari lebah untuk dijadikan titik pusat dan dilakukan peng-update-tan sampai titik pusat tidak berubah.
ABC-KM (Cont.)
Jadikan titik pusat K-Means sebagai titik pusat ABC-KM
π ππππ’πππ 1,2 =
0.03806 β 0 2 + 0.03639 β 0 2 + 0.04102 β 0 2 +
0.03757 β 0 2 + 0.04163 β 0 2 + 0.04114 β 0 2 +
0.03315 β 0 2 + 0.03939 β 0 2 + 0.04162 β 0 2 +
0.04075 β 0.46383 2 + 0.04161 β 0.46383 2 +
0.04160 β 0.26407 2 + 0.03949 β 0.26407 2 +
0.03886 β 0.46383 2 + 0.03817 β 0.46383 2 +
0.04019 β 0 2 + 0.04019 β 0 2 + 0.04019 β 0 2 +
0.04019 β 0 2 + 0.04019 β 0 2 + 0.04019 β 0 2 +
0.04019 β 0 2 + 0.04019 β 0 2 + 0.04019 β 0 2 +
0.04019 β 0 2 + 0.04019 β 0 2 + 0.04019 β 0 2
π(π₯, π¦) = |π¦π β π₯π|2
π
π=1
πΆπππ‘ππ βΆ
ABC-KM (Cont.)
Tetapkan keanggotaan tiap data
Dokumen C1 C2
D1 1 0
D2 0 1
D3 1 0
D4 1 0
D5 0 1
Hasil Uji Coba Sistem yang Telah di Bangun
J U R U S A N T E K N I K I N F O R M A T I K A
F A K U L T A S T E K N I K
U N I V E R S I T A S M U H A M M A D I Y A H M A L A N G
2 0 1 4
Oleh: Abdurrahman
201010370311397
Dosen Pembimbing: Yufis Azhar, M.Kom
Ali S. Kholimi, S.Kom
Metode Uji Coba
Precision =ππ
ππ+πΉπ
Recall = ππ
ππ+πΉπ
F-Measure =2 π₯ ππππππ πππ π₯ π πππππ
ππππππ πππ+π πππππ
Classterication Positive Clasterication Negative
Actual Pisitive TP FN
Actual Negative FP TN
Hasil Uji Coba Grafik Perbandingan Precision
79.00%
80.00%
81.00%
82.00%
83.00%
84.00%
85.00%
86.00%
87.00%
88.00%
89.00%
Percobaan 1 Percobaan 2 Percobaan 3 Percobaan 4 Percobaan 5 Rata-Rata
K-Means
ABC K-Means
Hasil Uji Coba Grafik Perbandingan Recall
0%
5%
10%
15%
20%
25%
30%
35%
40%
Percobaan 1 Percobaan 2 Percobaan 3 Percobaan 4 Percobaan 5 Rata-Rata
K-Means
ABC K-Means
Hasil Uji Coba Grafik Perbandingan F-measure
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
Percobaan 1 Percobaan 2 Percobaan 3 Percobaan 4 Percobaan 5 Rata-Rata
K-Means
ABC K-Means
Kesimpulan
Artificial Bee Colony mampu mengatasi masalah local optimal pada algoritma Basic K-means sehingga algoritma Basic K-Means dapat keluar dari masalah tersebut dan menjadi global optimal.
Algoritma ABC-KM mamupu mengklaster lebih baik : precision ABC K-Means lebih baik 2.08%, recall ABC K-Means lebih baik 11.24% dan F-Measure ABC K-Means lebih baik 14.04%.
Saran
Penentuan Jumlah Klaster Masih Manual
Klasterisasi Data Masih Statis
Tidak Adanya Metode Korelasi (Similarity)
TERIMAKASIH