APLIKASI METODE CROSS ENTROPY UNTUK SUPPORT VECTOR MACHINES
ABSTRAK: Dukungan vektor mesin
(SVM) adalah metode yang kuat untuk masalah klasifikasi. Dalam rumusan aslinya,
bentuk ganda dari SVM harus diselesaikan dengan pemrograman kuadratik untuk
mendapatkan solusi optimal. Kelemahan dari versi standar sebagai masalah
klasifikasi semakin besar, waktu komputasi tinggi diperlukan. Palang entropi
(CE) adalah metode optimasi yang baru ditemukan dengan dua prosedur utama:
menghasilkan sampel data dengan distribusi yang dipilih, dan memperbarui
parameter distribusi karena sampel elit untuk menghasilkan sampel yang lebih
baik di iterasi berikutnya. Metode CE telah diterapkan di banyak masalah
optimasi dengan hasil memuaskan. Dalam penelitian ini, CE diterapkan untuk
memecahkan masalah optimasi Lagrangian SVM untuk waktu yang lebih cepat
komputasi. Metode ini diuji di beberapa dataset dunia nyata untuk masalah
klasifikasi. Hasil penelitian menunjukkan bahwa penerapan CE di SVM adalah
sebanding dengan SVM standar dalam mengklasifikasikan dua data kelas dalam hal
akurasi. Selain itu, metode ini dapat memecahkan masalah besar dataset
klasifikasi SVM lebih cepat dari standar.
Penulis: BUDI SANTOSA DAN
TIANANDA WIDYARINI
Kode Jurnal: jptindustridd090011
