Penulis: Agus Nursikuwagus ; Heri Purwanto ; Deshinta Arrova Dewi
DOI: –
Abstrak
Data heterogen merupakan kumpulan data dengan berbagai jenis, mencakup tipe data dan sumber data. Klasifikasi data heterogen masih menjadi diskusi dalam penelitian di bidang kecerdasan buatan, khususnya dalam pembelajaran klasifikasi. Berdasarkan perkembangan data dan mesin klasifikasi, maka kajian ini masih relevan untuk dilakukan. Mesin klasifikasi yang masih menjadi tren saat ini adalah mesin hibrida yang dikenal sebagai teknik kolaborasi seperti teknik fuzzy dan jaringan saraf. Tujuan dari makalah tinjauan ini adalah untuk menemukan peluang penelitian pada pembelajaran mesin hibrida yang melakukan klasifikasi pada data heterogen dengan target multikelas. Terdapat beberapa tantangan pada data heterogen, yaitu: 1) penentuan algoritma normalisasi dan pemrosesan teks sebagai langkah awal dari lapisan masukan, 2) pembentukan fungsi variabel linguistik untuk setiap kasus memungkinkan adanya peluang kajian untuk proses linguistik, 3) algoritma fungsi keanggotaan yang dapat beradaptasi dengan kumpulan data yang digunakan dapat menjadi peluang penelitian, 4) menemukan metode pembentuk aturan fuzzy sebagai mesin inferensi dari jaringan saraf, 5) struktur proses dari setiap tugas, 6) kinerja seperti efisiensi memori untuk pemrosesan (manajemen memori), kompleksitas (waktu proses), dan validasi arsitektur (akurasi, presisi, recall, f-measure, spesifikasi, prediksi benar, prediksi salah). Hasil penelitian yang diperoleh adalah adanya peluang untuk meningkatkan atau mengembangkan mesin klasifikasi hibrida yang dapat menangani data heterogen dengan target multikelas. © 2023 Little Lion Scientific.
Kata Kunci Penulis
Klasifikasi; Fitur; Fuzzy; Data Heterogen; Jaringan Saraf
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85174975477
