Algoritma Heuritstik:
Algoritma Heuritstik:Algoritma Koloni Semut dan Implementasinya
Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 20141Ant Colony Optimisation (ACO)
Algoritma ini dibuat berdasar observasi langsung terhadap tingkah koloni semut.
Semut terlahir buta, tuli dan tidak cerdas.
Semut merupakan mahluk sosial yang tingkah lakunya bertujuan untuk mempertahankan kawanannya.
Q: bagaiamana semut bisa menemukan rute terpendek untuk menemukan makanannya?
A:Menggunakan feromon sebagai penanda jejak dari makananSemakin tebal feromon di sebuah rute, semakin besar kemungkinan banyak semut berada di rute tersebut
Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014A. Ant Colony Optimization (ACO) dalam pencarian shortest pathMerupakan teknik untuk menemukan jalur terbaik melalui graf. Algoritma ini terinspirasi dari perilaku semut bersama dengan koloninya dalam mencari makanannya. Idenya adalah sebagai berikut:Masing-masing jalur (path) yang diikuti oleh semut diasosiasikan sebagai kandidat solusi. Ketika seekor semut melalui sebuah jalur, sejumlah pheromone dijatuhkan pada jalur sesuai dengan kualitas term (hubungan) kandidat solusi untuk Target problem .Kaidah terbaik yang dibangun oleh seluruh semut dianggap sebagai kaidah yang dicari. Kaidah yang lain dibuang. Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 20143Ant Colony Optimisation (ACO)Harus mengunjungi setiap node tepat satu kali, dapat dibuat list node yang sudah dilewati untuk mengecek apakah node sudah dilewati atau belum.Sebuah node yang jauh memiliki lebih sedikit kesempatan untuk dipilih (visibilitas)Semakin kuat jejak feromon diletakkan pada edge antara dua node, semakin besar kemungkinan bahwa edge akan dipilihSetelah menyelesaikan perjalanannya, deposit semut lebih feromon pada semua sisi itu dilalui, jika perjalanan pendekAlgoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014Ant Colony Optimisation (ACO)
Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014Ant Colony Optimisation (ACO)Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 20146B. Klasifikasi Data Miningselama tidak ada analisa untuk memprediksi suatu kejadian, atau tidak ada penemuan pola-pola baru, maka hal itu tidak bisa disebut data mining
Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014
Query 1: diketahui jumlah pembeli air mineral di hari Sabtu not Data MiningQuery 2: diketahui siapa saja pembeli air mineral di hari Sabtu not Data MiningAtribut tambahan: 1000 orang pembeli air mineral di hari Sabtu adalah pegawai proyek apartmen di sekitar tokoPrediksi: X, Y, Z juga bekerja sebagai pegawai proyek Data MiningAlgoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 20141000 orangX, Y, Z...1000 pegawaiX, Y, Z adalah pegawaiKlasifikasi Data Mining: Web Usage Mining (WUM)
Web Usage Mining (WUM) memaparkan informasi pola penggunaan (usage pattern) dari data web. WUM menggenerate data dari session dan behavior user dalam berinteraksi dengan data web. Misal access logs, browser logs, user profiles, registration data, user session atau transaksi, cookies, user queries, mouse clicks, dlsb.
Algoritma ant colony merupakan metode untuk memecahkan masalah klasifikasi. Dalam kontek pencarian kaidah, sebuah algoritma ACO mempunyai kemampuan untuk membentuk secara fleksibel, pencarian robust untuk sebuah kombinasi term-term (kondisi logika) yang mengandung nilai dari atribut predictor.Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014Klasifikasi Data Mining: Arsitektur WUMAlgoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014
Klasifikasi Data Mining: Proses pada Arsitektur WUMProses preprocessing meliputi proses konversi penggunaan (usage) dengan melakukan ekstraksi data dari web access log, profil pemakai, dan data produk yang akan di-publish dalam website berbasis e-commerce. Sumber data terdiri dari web access log, data profil pemakai yang diperoleh dari form registrasi, cookie, dan session. Output dari proses preprocessing ini adalah data terstruktur yang siap untuk dilakukan tahap pattern discovery.
Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014Pattern discovery dengan memanfaatkan algoritma ant colony. Di bawah ini adalah algoritma ant miner
TrainSet = {all training cases}; 2. DiscoveredRuleList = []; /* initialized with empty list */ 3. REPEAT 4. Initialize all trails with the same amount of pheromone; 5. REPEAT 6. An ant incrementally constructs a classification rule; 7. Prune the just-constructed rule; 8. Update the pheromone of all trails; 9. UNTIL (stopping criteria) 10. Choose best rule out of all rules constructed by all ants; 11. Add the best rule to DiscoveredRuleList; 12. TrainSet = TrainSet {cases correctly covered by best rule}; 13. UNTIL (stopping criteria)
Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014Klasifikasi Data Mining: Proses pada Arsitektur WUMPattern analysis merupakan tahapan terakhir dalam proses WUM. Fokusnya adalah untuk fungsi klasifikasi, dengan memaparkan kelas prediktor. Penyaringan (filter) dilakukan terhadap pola yang tidak relevan dari kumpulan data yang ditemukan dalam tahapan pattern discovery.
Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014Klasifikasi Data Mining: Proses pada Arsitektur WUMAnggota Kelompok 3CAlgoritma HeuristikRochana Prih Hastuti 12/331363/PA/14626 Yogiarta Bagus Oktavian 12/331598/PA/14786 Rama Jakaria 12/334536/PA/14828Algoritma Koloni Semut dan Implementasi, Kelompok 3C Algoritma Heuristik Ilmu Komputer UGM 2014
