Skip to content Skip to sidebar Skip to footer

Tutorial Rapidminer Cara Optimasi Menggunakan Algoritma Genetika (Genetic Algorithm)

How to optimize an algorithm model by applying genetic algorithms in rapidminer

Using a genetic algorithm is a method that functions as an optimization feature to improve the performance results of the algorithm model or method previously used.


Peace be upon you, and Allah mercy and blessings,. Greetings and Greetings of Culture

Dalam upaya menginginkan hasil performansi dari model algoritma klasifikasi, biasanya dalam suatu penelitian akan terhambat oleh suatu data yang tidak stabil pada setiap atributnya. Namun upaya untuk mengatasi hal tersebut bisa dilakukan dengan cara optimasi model algoritma tersebut.

Algoritma Genetika atau GA adalah algoritma yang difungsikan untuk optimasi dari suatu metode jika hasil yang didapatkan kurang memuaskan. Nah pada artikel ini akan dituliskan sebuah tulisan tentang cara optimasi menggunakan algoritma genetika dengan RapidMiner Studio

 Pengalaman edukasi yang akan kamu dapatkan ini, terkhusus untuk kamu yang masih dalam perjalanan menggapai cita-cita. ☺ Oke langsung saja kita cus ke tahapan pertama.

1. Pertama, kamu harus dan sangat harus mempunyai set data latih untuk proses selanjutnya dan juga sudah terimpor di dalam Repository. Jika belum bisa lakukan impor kalian bisa baca di tutorial dibalik ini 👉----

2. Kedua, kamu seret set data yang sudah terimpor ke halaman proses

3. Pada kotak Operators pilih menu yang bertuliskan "Optimize by Generation" pilih yang GGA atau GA terserah keingininan kemudian seret ke halaman proses


Lalu sambungkan data latih dan genetare seperti gambar dibawah ini

4. Selanjutnya, untuk memilih atau menentukan model prediksi atau metode algoritma yang akan dipotimasi adalah cara klik 2x pada kotak operators Generate tersebut selanjutnya akan muncul halaman proses yang kosong.

Nah, disitu kamu tentukan model validasinya untuk hasil optimasinya nanti. Dalam contoh, saya akan menggunakan model uji validasi dengan Cross Validation


5. Pada kotak operator pilih menu Cross Validation kemudian seret ke halaman proses yang masih kosong tersebut (lanjutan nomor 4). 

Validation

6. Selanjuntya klik 2x pada operator Cross Validation guna untuk menentukan algoritma yang akan di optimasi. Dalam contoh saya akan menggunakan algoritma naive bayes. Maka pilih menu Operators Naive bayes, Apply Model & Performance. Dan juga tentukan parameters nya di toolbox sebelah kanan. Kemudian sambungkan seperti ini 

cross validation

7. Terakhir kembali lah ke halaman proses awal dengan cara klik tulisan Process seperti pada gambar. Dan kamu jalankan atau Running dengan cara klik tombol play button bewarna biru, maka akan keluar hasinya seperti ini


Hasil tersebut menunjukkan nilai performa yang berupa Accuracy, Precission, Recall dan AUC. Dan jika nilai AUC tidak muncul, hal itu biasanya disebabkan ada kesalahan saat impor data ke dalam Repository saat menentukan tipe data Polynominal dan Binominal nya.

Kedua juga menunjukkan hasil dari set data yang di optimasi dengan algoritma genetika tersebut.

Untuk melihat perbedaan dari dilakukannya Optimasi dan Tidak Optimasi kamu bisa membandingkan dengan menggunakan algoritma tanpa melakukan optimasi


Demikian itulah pengalaman edukasi yang bisa saya berikan dan semoga bemanfaat, barokah. Satu kata untuk kamu "Jangan Lupa Bernafas dan Tetap Bersyukur"

Sampai Jumpa dan Salam Penutup