New folder (3).rar_FW5_distance

clc clear %PENGAMBILAN DATA P = xlsread('iris.xlsx','A:D'); T = xlsread('iris.xlsx','E:E'); % W1 = P(1,:); % W2 = P(4,:); % W = [W1; W2]; for i=1:3 temp = find(T==i); W(i,:) = P(temp(1),:); end [jum_data, jum_input] = size(P); [jum_kelas, jum_kolom] = size(W); %set parameter Maxepoch = 100; Alfa = 0.05; Decalfa= 0.1; MinAlfa = 0.02; %DATA TRANING epoch=0; while (epoch <= Maxepoch) & (Alfa>=MinAlfa) epoch=epoch+1; benar= 0; for i=1:jum_data for j=1:jum_kelas jarak(j)= sqrt(sum((P(i,:)-W(j,:)).^2)); [nilai,urut]=min(jarak); end if urut==T(i) benar= benar+1; W(urut,:)= W(urut,:)+ Alfa*(P(i,:)-W(urut,:)); else W(urut,:)= W(urut,:)-Alfa*(P(i,:)-W(urut,:)); end end Alfa=Alfa-Decalfa*Alfa; disp(['Iterasi ke- =>' num2str(epoch)]); disp(['jum_benar =>' num2str(benar)]); end %DATA UJI MENGGUNAKAN DATA YANG SAMA PADA DATA TRANING X=xlsread('iris.xlsx','A:D'); L=xlsread('iris.xlsx','E:E'); [banyak_data, banyak_input] = size (X); H=[]; jum_benar=0; jum_gizi_buruk_benar=0; jum_gizi_buruk_ditemukan=0; gizi_buruk_sebenarnya=0; for i=1:banyak_data for j=1:jum_kelas jarak(j)= sqrt(sum((X(i,:)-W(j,:)).^2)); [nilai,urut]=min(jarak); end H=[H; urut]; %GIZI BURUK YG DITEMUKAN if urut == 2 if urut == L(i) jum_gizi_buruk_benar=jum_gizi_buruk_benar+1; end jum_gizi_buruk_ditemukan= jum_gizi_buruk_ditemukan+1; end %AKURASI if urut ==L(i) jum_benar=jum_benar+1; end %JUMLAH GIZI BURUK SEBENARNYA if L(i)==2 gizi_buruk_sebenarnya=gizi_buruk_sebenarnya+1; end end disp(jum_benar); disp(['GIZI BURUK SEBENARNYA=>' num2str(gizi_buruk_sebenarnya)]); fprintf('\n'); recall=(jum_gizi_buruk_benar/gizi_buruk_sebenarnya)*100; disp(['RECALL=>' num2str(recall)]); fprintf('\n'); precision= (jum_gizi_buruk_benar / jum_gizi_buruk_ditemukan)*100; disp(['PRECISION =>' num2str(precision)]); fprintf('\n'); persen_benar= (jum_benar/banyak_data)*100; disp(['Akurasi =>' num2str(persen_benar)]); target=[L H];