ANALISA DIFFERENT INERTIA WEIGHT UNTUK OPTIMASI FEATURE SELECTION DENGAN PARTICLE SWARM OPTIMIZATION WITH TIME VARYING ACCELERATION ANT COLONY CLUSTERING DOKUMEN TEKS INDONESIA

Abstract

Abstrak

Analisa weight yang merupakan salah satu variabel pada metode optimasi Particle Swarm Optimization sangat berpengaruh pada hasil penghitungan kesalahan saat pengelompokkan dokumen. Pengelompokan data dokumen diterapkan dengan menghitung kemiripan karakteristik data dimana data yang diterapkan pada penelitian ini dengan menggunakan data teks. Pengelompokan secara otomatis diterapkan dengan metode clustering, pada penelitian ini menggunakan metode Ant Colony Clustering. Metode Ant Colony Clustering memiliki konstanta yang ditetapkan oleh user sedari awal, dimana nilai konstanta ini mempengaruhi hasil pengelompokan data. Selain konstanta pada metode pengelompokan data terdapat konstanta untuk menentukan jumlah dimensi yang ditentukan sebelum pembelajaran dengan Ant Colony Clustering.

Metode optimasi diterapkan untuk mendapatkan nilai konstanta secara otomatis sehingga mendapatkan pengelompokkan data terbaik. Metode optimasi pada penelitian ini menggunakan metode Inertia Weight Particle Swarm Optmization with Time Varying Acceleration dimana nilai konstanta pada metode I-PSOTVA Ant Clustering akan dipengaruhi oleh iterasi pada data teks. Penelitian ini menganalisa pengaruh inertia weight pada I-PSOTVA terhadap feature selection dimana dipengaruhi oleh nilai hasil error I-PSOTVA yang dipengaruhi oleh inertia weight pada optimasi dimana hasil penelitian berdasarkan hasil uji coba nilai Fmeasure terbaik terdapat dari Linear Decreasing Inertia Weight dengan rata-rata 0,951140751.