Articles

Mengenal Algoritma Learning Vector Quantization (LVQ)

Adalah sebuah metode klasifikasi dimana setiap unit output mempresentasikan sebuah kelas. LVQ digunakan untuk pengelompokkan dimana jumlah kelompok sudah ditentukan arsitekturnya (target/kelas sudah ditentukan). LVQ salah satu jaringan syaraf tiruan yang merupakan algoritma pembelajaran kompetitif terawasi versi dari algoritma Kohonen Self-Organizing Map (SOM). . Tujuan dari algoritma ini adalah untuk mendekati distribusi kelas vektor  untuk meminimalkan kesalahan dalampengklasifikasian.
 
Algoritma diusulkan oleh Kohonen pada tahun 1986 sebagai perbaikan dariVector Quantization. Model pembelajaran LVQ dilatih secara signifikan agar lebih cepat dibandingkan algoritma lain seperti Back Propagation Neural Network. Hal ini dapat meringkas atau mengurangi dataset besar untuk sejumlah kecil vektor.. LVQ melakukan pembelajaran pada lapisan kompetitif yang terawasi. Lapisan kompetitif akan secara otomatis belajar untuk mengklasifikasikan vector-vector input. Kelas-kelas yang didapat sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vector-vector input. Jika vector input mendekati sama maka lapisan kompetitif akan mengklasifikasikan kedua vector input tersebut kedalam kelas yang sama. Dalam pengenalan wajah, sistem sudah mengetahui bentuk atau fitur wajah tertentu, dan LVQ digunakan untuk mengenali dengan mengklasifikasi fitur wajah tersebut (identifikasi/verifikasi).
 

Langkah-langkah Algoritma LVQ

1. Lakukan inisialisasi pada bobot, maksimum iterasi, error minimum (Eps) dan learning rate
2. Masukan :
    Input =(m,n): dimana m : jumlah input dan n = jumlah data
    Target = T(1,n)
3. Tetapkan kondisi awal :
    Eppoch =0
    Err=1
4. Kerjakan jika (eppoch < Maksimum iterasi) atau (α>Erorr minimum)
a. eppoch=eppoch+1
b. Kerjakankan untuk j=1 sampai n
   Tentukan I sehingga |x-wi| adalah minimum
   Perbaiki wi dengan ketentuan :
    Jika T=i maka :
    wi(baru)= wi(lama)+α(x-wi(lama))
    Jika T≠ i maka :
    wi(baru)= wi(lama)-α(x-wi(lama))

Contoh Soal :

Terdapat   buah 6 buah data vektor dengan class yang terbagi dalam 2 class yaitu 1 dan 2

Langkah-langkah LVQ

1. Inisialisasi bobot menggunakan data 1 dan 2

2. Tentukan input masukan yaitu sisa data yang ada

3. Menentapkan kondisi awal nilai :

α= 0.05
pengurangan eror 0.1*α
α baru= αlama-0.1x α
Maksimum eppoch =3

4. Mengerjakan input masukan sampai (eppoch < Maksimum iterasi) atau (α>Erorr minimum)

Input masukan adalah data 3 sampai 6 sedangkan inisialisasi bobot adalah data 1 dan 2

Menghitung distance antara data ke 3 dengan inisialisasi cluster 1 dan cluster 2

Distance cluster 1 = √(0-0)2 + (0-1)2 + (1-1)2 = 0+1+0 = 1

Distance cluster 2 = √(1-0)2 + (1-1)2 + (1-1)2 = 1+0+0 = 1

Untuk menentukan masuk class mana menggunakan jarak terpendek karena jarak antara ke class 1 dan 2 sama maka data tersebut masuk class 1

Setelah itu menghitung perbaikan bobot yang sudah kita tentukan di langkah 3

Perbaikan bobot :
wi(baru)= wi(lama)+α(x-wi(lama))
W1=w1(lama)+α(x-w1(lama))
W1=0+0.05*(0-0)=0.00
W2=0+0.05*(1-0)=0.05
W3=1+0.05*(1-1)=1.00
Kerjakan langkah diatas sampai kondisi (eppoch < Maksimum iterasi) atau (α>Erorr minimum. Untuk hasilnya adalah sebagai berikut :

Tabel diatas adlah hasil dari perhitungan jarak ke cluster 1 dan 2 dan perbaikan bobot. Iterasi ini berhenti di iterasi 3 karena di langkah 3 kita tentukan bahwa max eppoch adalah 3. Sebenarnya sebaiknya iterasi berhenti ketika perubahan bobot sangat kecil atau bahkan tidak ada perubahan. Baris terakhir adalah bobot terkahir yang akan kita gunakan untuk mengklasifikasikan contoh data kita

Bobot akhir

Bobot 1 = (0,0000  0,1625  0,9601)
Bobot 2 = (1,0000  0,1204  0,4808)


Pengujian menggunakan bobot akhir pada data ke 3 sampai 6, dengan menghitung jarak dan mementukan masuk klaster mana sesuai dengan jarak terdekat. Berikut hasilnya

Dari hasil diatas didapatkan kesimpulan bahwa dengan menggunakan algoritma LVQ dengan  inisialisasi α= 0.05, pengurangan eror 0.1*α, baru= αlama-0.1x α, dan maksimum eppoch =3 akurasi algoritma LVQ adalah 50%. Akurasi algoritma ini daapat meningkat dengan penentuan inisilaisasi bobot dan nilai yang lebih optimal

 

 


Related Articles


44 Komentar :


baju distro murah

22 November 2017 - 11:14 WIB

terimakasih atas informasinya

konveksi baju online

22 November 2017 - 14:13 WIB

saya kagum dengan artikel ini banyak sekali yang berminat membaca artikel ini

erogan bandung

21 November 2017 - 07:19 WIB

terimakasih atas infonya semoga bermanfaat
pesan baju kaos

21 November 2017 - 10:09 WIB

makasih gan, lanjutkan update nya

pabrik baju distro bandung

21 November 2017 - 11:42 WIB

pertamax gan terimakasih untuk infonya

produksi baju murah

21 November 2017 - 14:17 WIB

artikelnya sudah bagus, di tunggu update terbarunya terimakasih

konveksi baju online

20 November 2017 - 09:38 WIB

terimakasih atas informasinya

pabrik baju

20 November 2017 - 10:35 WIB

saya kagum dengan artikel ini banyak sekali yang berminat membaca artikel ini

produsen baju di bandung

20 November 2017 - 13:05 WIB

saya berterimakasih karena website ini selalu memberikan hal menarik kepada para pembaca

pabrik baju distro bandung

20 November 2017 - 14:35 WIB

info yang membuat parapembaca kagum akan website ini

konveksi baju di bandung

18 November 2017 - 10:51 WIB

artikelnya sudah bagus, di tunggu update terbarunya terimakasih

pesan baju kaos online

17 November 2017 - 10:38 WIB

pertamax gan terimakasih untuk infonya

pembuatan baju distro

16 November 2017 - 09:31 WIB

saya berterimakasih karena website ini selalu memberikan hal menarik kepada para pembaca

baju distro bandung

16 November 2017 - 11:29 WIB

info yang membuat parapembaca kagum akan website ini

konveksi baju distro

16 November 2017 - 14:10 WIB

makasih gan, lanjutkan update nya

konveksi baju distro

16 November 2017 - 14:16 WIB

makasih gan, lanjutkan update nya

pabrik baju distro

15 November 2017 - 10:26 WIB

terimakasih atas informasinya

kaos polos

15 November 2017 - 10:30 WIB

Terima Kasih
kaos polos bandung

15 November 2017 - 11:17 WIB

Terima Kasih
baju promosi

15 November 2017 - 13:59 WIB

saya kagum dengan artikel ini banyak sekali yang berminat membaca artikel ini

pabrik baju bandung

14 November 2017 - 09:20 WIB

pertamax gan terimakasih untuk infonya

baju distro murah bandung

14 November 2017 - 11:15 WIB

artikelnya sudah bagus, di tunggu update terbarunya terimakasih

konveksi baju distro murah

14 November 2017 - 14:26 WIB

informasi yang bagus sekali semoga info ini bermanfaat bagi orang lain

konveksi kaos

13 November 2017 - 09:56 WIB

Terima Kasih
konveksi kaos murah

13 November 2017 - 09:56 WIB

info yang membuat parapembaca kagum akan website ini

konveksi kaos bandung

13 November 2017 - 10:17 WIB

Terima Kasih
pabrik kaos

13 November 2017 - 11:46 WIB

makasih gan, lanjutkan update nya

pusat konveksi kaos bandung

11 November 2017 - 09:45 WIB

saya kagum dengan artikel ini banyak sekali yang berminat membaca artikel ini

bikin kaos bandung

11 November 2017 - 13:10 WIB

saya berterimakasih karena website ini selalu memberikan hal menarik kepada para pembaca

buat kaos di bandung

10 November 2017 - 09:42 WIB

Terimakasih atas informasinya yang bermanfaat ini semoga pembaca sangat kagum atas
konveksi kaos di bandung

10 November 2017 - 14:36 WIB

informasi ini sangat bagus sekali untuk di baca

konveksi kaos di bandung

10 November 2017 - 14:38 WIB

informasi ini sangat bagus sekali untuk di baca

bikin kaos di bandung

09 November 2017 - 09:39 WIB

sering-sering update lagi artikelnya

Produksi Kaos Bandung

09 November 2017 - 11:47 WIB

terimakasih karena telah setia menemani dan terus bertahan selama ini.

bikin kaos bandung

08 November 2017 - 10:48 WIB

website ini mempunyai banyak sekali informasi menarik untuk parapembaca terus update gan

pabrik kaos bandung

07 November 2017 - 09:25 WIB

terimakasih atas informasinya

konveksi kaos polos

07 November 2017 - 13:25 WIB

baik sekali agan membuat informasi yang bagus seperti ini lanjutkan

bikin kaos murah

06 November 2017 - 09:21 WIB

artikelnya sudah bagus, di tunggu update terbarunya terimakasih

konveksi kaos anak murah

06 November 2017 - 11:13 WIB

informasi yang bagus sekali semoga info ini bermanfaat bagi orang lain

produsen kaos bandung

04 November 2017 - 09:10 WIB

makasih gan, lanjutkan update nya


Post Comments