Metode Kernel Regularized Discriminant Analysis (KRDA) mampu mengatasi permasalahan singularitas dan overfitting yang disebabkan data dengan sampel sedikit berdimensi tinggi. Kinerja KRDA dipengaruhi oleh nilai parameter regularisasi yang digunakan. Paper ini bertujuan mengoptimalkan nilai parameter regularisasi dengan menerapkan Particle Swarm Optimization (PSO) pada KRDA. Metode PSO digunakan untuk memilih parameter regularisasi otpimal berdasarkan nilai akurasi klasifikasi pada KRDA. Uji coba menggunakan 4 dataset yaitu iris, wine, dan ionosphere dari UCI, serta dataset svmguide2 dari aplikasi bioinformatika. Hasil uji coba menunjukkan metode PSO-KRDA dapat menentukan nilai parameter regularisasi optimal secara otomatis. Akurasi klasifikasi yang didapatkan dari uji coba menunjukkan PSO-KRDA lebih baik daripada KRDA dan SVM.
展开▼