Archive for 02/01/2013 - 03/01/2013

Thursday 7 February 2013
by

MATLAB : Klasifikasi Data Menggunakan Metode Naive Bayes Classifier

Selain menggunakan SVM, kita bisa melakukan klasifikasi data dengan menggunakan metode Naive Bayes. Bagus mana sih SVM apa Naive Bayes? Hemm...menurut saya, semua metode ada kekurangan dan kelebihannya (klasik bangeet :D ). Namun, sejauh ini SVM memang paling digdaya dibanding metode klasifikasi lainnya pada sebagian besar kasus (Ingat!! Tidak semua kasus yaa ). Kadang kala Naive Bayes memiliki performa yang lebih baik dari pada SVM (bergantung datasetnya). Bagi yang belum familiar dengan Naive Bayes, bisa buka ini untuk menambah referensi: Naive Bayes by Wikipedia.

 *assume that you already have the dataset* :D
Dari dataset itu, yang perlu anda ketahui adalah:
  1. N = Jumlah Instance, biasanya jumlah instance sama dengan jumlah row/baris yang ada di dalam dataset. (Ingat! Header atau nama/keterangan data tidak termasuk dalam hitungan)
  2. M = Jumlah Atribut atau Fitur, biasanya jumlah atribut sama dengan jumlah column/kolom yang ada dalam dataset. (Ingat! ID, no urut dan sejenisnya bukan termasuk fitur/atribut.
Contoh dataset beserta jumlah instance dan jumlah fiturnya dapat dilihat pada Gambar 1.

Berikut langkah-langkah klasifikasi data dengan mengunakan metode Naive Bayes pada Matlab:
  1. Load data yang akan diklasifikasi, simpan dalam suatu variabel, misal: temp.
  2. Bagi data menjadi data training dan data testing.
  3. Lakukan training (mencari model yang tepat)
  4. Lakukan prediksi/testing
  5. Ukur performa Naive Bayes terhadap dataset.
Contoh code klasifikasi menggunakan Naive Bayes dapat dilihat pada Gambar 2.
 
 
Gambar 1. Contoh dataset.

Gambar 2. Contoh code implementasi Naive Bayes pada Matlab.
 Read More..
by

MATLAB : Klasifikasi Data Menggunakan Metode SVM (Support Vector Machine)

Setelah sekian lama tidak membuat posting baru, kali ini saya ingin share ilmu yang "simple" tapi sangat sering digunakan. Apa itu?? Yaa.. klasifikasi data menggunakan metode SVM dengan Matlab. Bagi yang belum familiar dengan SVM, bisa buka ini untuk menambah referensi: SVM by Wikipedia :)

Okay..saya mau tanya, sudah punya dataset belum? *assume that you already have the dataset* :D
Dari dataset itu, yang perlu anda ketahui adalah:
  1. N = Jumlah Instance, biasanya jumlah instance sama dengan jumlah row/baris yang ada di dalam dataset. (Ingat! Header atau nama/keterangan data tidak termasuk dalam hitungan)
  2. M = Jumlah Atribut atau Fitur, biasanya jumlah atribut sama dengan jumlah column/kolom yang ada dalam dataset. (Ingat! ID, no urut dan sejenisnya bukan termasuk fitur/atribut.
Contoh dataset beserta jumlah instance dan jumlah fiturnya dapat dilihat pada Gambar 1.

Berikut langkah-langkah klasifikasi data dengan mengunakan metode SVM pada Matlab:
  1. Load data yang akan diklasifikasi, simpan dalam suatu variabel, misal: temp.
  2. Bagi data menjadi data training dan data testing.
  3. Lakukan training (mencari model yang tepat)
  4. Lakukan prediksi/testing
  5. Ukur performa SVM terhadap dataset.
Contoh code klasifikasi menggunakan SVM dapat dilihat pada Gambar 2.


 
Gambar 1. Contoh dataset.

Gambar 2. Contoh code implementasi SVM pada Matlab.
Read More..