<![CDATA[Data tabular merupakan salah satu jenis data terstruktur yang umum digunakan dalam berbagai bidang, seperti keuangan, kedokteran, dan manufaktur. Model deep learning Tabular Retrieval-Based (TabR) dirancang untuk menangani pengolahan data tabular dengan pendekatan retrieval augmentation. Perlu dilakukan pengujian untuk menganalisis pengaruh kombinasi TabR dengan algoritma K-Means clustering untuk mengurangi beban komputasi model selama pengolahan data. Pengujian dilakukan pada 10 dataset benchmark dengan berbagai skala data dan fitur. Evaluasi dilakukan dengan mengukur akurasi dan AUC untuk tugas klasifikasi, serta RMSE dan MAE untuk tugas regresi. Hasil menunjukkan bahwa model TabR yang dikombinasikan dengan K-Means memberikan waktu inferensi yang lebih cepat dibandingkan TabR murni, terutama pada dataset besar, dengan akurasi yang mendekati performa TabR murni. Namun, fluktuasi performa yang lebih besar terlihat pada beberapa dataset regresi dengan model TabR yang dikombinasikan dengan K-Means. Pendekatan ini memberikan kontribusi dalam pengembangan metode yang lebih efisien dan adaptif untuk pengolahan data tabular dalam konteks dataset berskala besar dan kompleks.]]>
Copyrights © 2025
