Seleksi Atribut dengan Gain Ratio untuk Peningkatan Kinerja Affinity Propagation

Abstract

In several previous studies, the performance of Affinity Propagation obtained less than optimal performance due to the influence of the data attributes used, causing an unsuitable performance. In this study, the authors propose to Affinity Propagation that attribute selection be carried out to remove less relevant attributes before conducting the clustering process. The attribute selection method used in this study is the Gain Ratio as the proposed method for selecting attributes with poor correlation from the dataset being tested. The performance results obtained from the proposed method will be compared with the performance obtained from conventional Affinity Propagation based on the calculation of the Silhouette Coefficient. The data used as a test instrument in this study are Pekanbaru City Air Quality Data and Diabetic Retinopathy Debrecen Dataset. The test results obtained are that the proposed method is able to optimize the acquisition of the total Silhouette Coefficient value from the data tested, where the Pekanbaru City Air Quality Data obtained an increase in the Silhouette Coefficient value of 0.2231, and the Diabetic Retinopathy Debrecen Dataset obtained an increase in the Silhouette Coefficient value of 0.58289.

Pada beberapa penelitian terdahulu, performa dari Affinity Propagation memperoleh kinerja yang kurang maksimal disebabkan pengaruh dari atribut data yang digunakan sehingga menyebabkan performance yang kurang sesuai. Pada penelitian ini penulis mengusulkan pada Affinity Propagation agar dilakukan seleksi atribut untuk menghapus atribut yang kurang relevan sebelum melakukan proses clustering. Metode seleksi atribut yang digunakan pada penelitian ini yaitu Gain Ratio sebagai metode yang diusulkan untuk menyeleksi atribut yang korelasinya kurang baik dari dataset yang diujikan. Hasil performa yang diperoleh dari metode yang diusulkan akan dibandingkan dengan performa yang diperoleh dari Affinity Propagation secara konvensional berdasarkan perhitungan Silhouette Coefficient. Data yang digunakan sebagai instrument pengujian pada penelitian ini yaitu Data Kualitas Udara Kota Pekanbaru dan Diabetic Retinopathy Debrecen Dataset. Hasil pengujian yang diperoleh yaitu metode yang diusulkan mampu mengoptimalkan perolehan jumlah nilai Silhouette Coefficient dari data yang diujikan, dimana pada Data Kualitas Udara Kota Pekanbaru memperoleh peningkatan nilai Silhouette Coefficient sebesar 0.2231 dan pada Diabetic Retinopathy Debrecen Dataset memperoleh peningkatan nilai Silhouette Coefficient sebesar 0.58289.