Keywords
jaringan syaraf tiruan
backpropagation
search tree
ekstraksi rule
How to Cite
Abstract
Penelitian ini adalah kajian teori dalam penerapan search tree untuk proses rule mining. Klasifikasi merupakan proses untuk menyatakan suatu objek ke salah satu kategori yang sudah didefinisikan sebelumnya. Search tree bekerja dengan pendekatan berbasis ruang solusi (State Space). Dalam kajian ini, search tree digunakan untuk menterjemahkan bobot hasil training dalam Jaringan Syaraf Tiruan (JST) menjadi set aturan konjungsi (IF-THEN). Proses ini disebut dengan rule mining. Dalam pembahasan akan dijelaskan proses training pada dataset yang cukup populer yaitu permasalahan “Playing Tennis”. Proses pelatihan (training) dilakukan dengan JST Metode Backpropagation. Dataset “playing tennis" memiliki 4 input atribut dan satu output atribut (atribut kelas). Untuk kepentingan rule mining, nantinya dataset akan dimodelkan menjadi 10 input atribut dan 2 output atribut. Formulasi permasalahan ke dalam jaringan syaraf dengan menggunakan 10 input neuron yang masing-masing mewakili value atribut non kelas dan dua output neuron yang mewakili value atribut kelas.
References
Bertalya,. 2009. “Konsep Data Mining Klasifikasi: Pohon Keputusan”, Universitas Gunadarma
Chrisna, Temmy, Bijaksana, Arif, Muntina, Eddy, 2005, “Ekstraksi Rule Dari Jaringan Syaraf Tiruan Menggunakan Metode Search Based Pada Data Mining”, STT Telkom Bandung.
Dancey, Darren, 2008, “Tree Based Methods for Rule Extraction from Artificial Neural Networks”, Manchester Metropolitan University, United Kingdom
Duch, Włodzisław, Kordos, Mirosław, 2005, “Search-based Training for Logical Rule Extraction by Multilayer Perceptron”, School of Computer Engineering Institute of Computer Science Nanyang Technological University The Silesian University of Technology, Singapore
Kusumadewi, Sri. 2003, “Artificial Intelligent (Teknik dan Aplikasinya)”, Graha Ilmu, Yogyakarta
Mark W, Craven, 1995. “Using Neural Network For Data Mining”, School of Computer Science Carnigie Mellon Univercity, Pittsburgh
Nayak, Richi, 1999, “Gyan: A Methodology for Rule Extraction from Artificial Neural Networks”, Queenslan University of Technology Australia
Palade, Vasile, Neagu, Daniel-Ciprian, Patton, Ron J., 2001, “Interpretation of Trained Neural Networks by Rule Extraction”, The University of Hull, Cottingham Road, United Kingdom
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2020 Rina Dewi Indahsari, Broto Poernomo T.P