<![CDATA[Data berdimensi tinggi berpengaruh pada learning model, ruang pencarian dan waktu komputasi, serta akurasi informasi. Banyaknya karakteristik dan dimensi tinggi, serta klasifikasi pola memerlukan pemilihan fitur atau feature selection (FS). FS dapat menghapus fitur-fitur yang berlebihan dan tidak relevan saat memilih subset fitur-fitur terkait. Swarm Intelligence (SI) banyak digunakan untuk mengatasi permasalahan data berdimensi tinggi. Secara konsep, SI dapat berarti sebagai kecerdasan kolektif yang dihasilkan dari tingkah laku kawanan agen yang terinspirasi dari alam. Makalah ini mengenai tinjauan literatur yang komprehensif tentang algoritma SI terkhusus Ant Colony Optimization, Particle Swarm Optimization, dan Grey Wolf Optimizer. Selain itu, pemaparan analisis framework SI terpadu dan investigasi berbagai pendekatan algoritma SI dalam FS. Analisis lebih lanjut menggambarkan terdapat gabungan beberapa algoritma SI di berbagai domain riset. Teknik hybrid SI ini dapat diterapkan dalam FS untuk menemukan subset fitur dengan ukuran lebih kecil dan meningkatkan performa klasifikasi dibandingkan penggunaan algoritma FS biasa. Dengan makalah ini kami menganalisis research-gap, memberikan gambaran komprehensif tentang penerapan SI dalam FS, serta mengusulkan diagram hibrid algoritma SI untuk permasalahan teks FS. Penelitian mendatang diharapkan dapat melakukan penggabungan maupun modifikasi berbagai algoritma SI menjadi suatu algoritma yang dapat meningkatkan performa sekaligus menurunkan kompleksitas waktu komputasi pada data mining dan teks mining. Harapan di masa depan, penggunaan algoritma SI semakin berkembang dan memberikan solusi yang efektif dan efisien di era big data.]]>
Copyrights © 2024
