Perpustakaan Digital ITB

Konstruksi program pembelajaran mesin yang dapat menyelesaikan masalah klasifikasi multikelas dipelajari pada tugas akhir ini. Jaringan saraf fuzzy, yaitu jaringan saraf tiruan yang proses feed-forward-nya berupa tahap-tahap dari sistem kontrol logika fuzzy yang dibangun dari data masukan dan keluaran yang tersedia, akan digunakan sebagai model pembelajaran mesin. Tahap-tahap tersebut adalah tahap fuzzifikasi, inferensi fuzzy, dan defuzzifikasi. Tahap inferensi fuzzy membutuhkan aturan fuzzy dan hasil dari tahap fuzzifikasi. Aturan fuzzy terdiri dari beberapa implikasi fuzzy yang saling berkaitan. Untuk mendapatkan model jaringan saraf fuzzy, dibutuhkan dua fase: identifikasi struktur dan identifikasi parameter. Fase identifikasi struktur menghasilkan struktur awal dari aturan fuzzy yang meliputi banyaknya implikasi pada aturan fuzzy dan nilai awal dari setiap parameter yang terlibat di dalam model jaringan saraf fuzzy. Fase identifikasi parameter melakukan perbaikan nilai-nilai dari parameter yang terlibat di dalam model. Untuk mendapatkan model jaringan saraf fuzzy yang paling optimal, diperlukan proses validasi silang secara berulang. Proses validasi silang menghasilkan rata-rata akurasi untuk suatu model. Model dengan proses validasi silang yang menghasilkan rata-rata akurasi terbesar merupakan model yang paling optimal. Untuk tugas akhir ini, dilakukan simulasi terhadap tiga jenis data, yaitu: data koordinat kartesius, data tanaman iris, dan data evaluasi mobil. Akan diterapkan tiga skema klasifikasi multikelas, yaitu: satu lawan semua, satu lawan satu, dan satu lawan orde yang lebih tinggi. Model jaringan saraf fuzzy yang diperoleh dengan skema klasifikasi satu lawan semua mempunyai akurasi lebih dari 95%. Model jaringan saraf fuzzy dengan skema klasifikasi satu lawan satu mempunyai akurasi setidaknya sebesar 94%. Model jaringan saraf fuzzy dengan skema klasifikasi satu lawan orde yang lebih tinggi mempunyai akurasi lebih dari 84%.