Penggunaan Kernel Principal Component Analysis Fungsi Polinomial Dalam Menyelesaikan Masalah Pengelompokan Plot Peubah Ganda

Tujuan dari penelitian ini yaitu mempelajari penggunaan kernel PCA fungsi polinomial untuk membantu menyelesaikan masalah plot peubah ganda terutama yang berhubungan dalam pengelompokan. Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa plot peubah ganda. Metode kernel adalah salah satu cara untuk mengatasi kasus-kasus yang tidak linier. Kernel PCA merupakan PCA yang diaplikasikan pada input data yang telah ditransformasikan ke feature space. Misalkan F: Rn®F fungsi yang memetakan semua input data xiÎRn, berlaku F(xi)ÎF. Salah satu kernel yang banyak digunakan adalah kernel polinomial. Dimana h0 adalah parameter skala yang akan dipilih. Fungsi kernel polynomial  K(xi, xj‘) = (xiT, xj‘ + h0)d. Hasil dari penelitian ini menunjukkan bahwa penggunaan Kernel Principal Component Analysis (KPCA) dengan fungsi kernel polinomial sangat membantu dalam menyelesaikan masalah plot peubah ganda yang belum dapat dikelompokan dengan garis pemisah yang linier. Kata kunci : Kernel PCA, Kernel PCA Fungsi Polinomial, Plot Peubah Ganda