tugas 1 entropy putu nopa gunawan
TRANSCRIPT
Tugas 1: Entropy
1 Putu Nopa Gunawan / D411 10 009
TUGAS INDIVIDU 1
TEORI INFORMASI DAN PENGKODEAN
“ ENTROPY “
OLEH:
PUTU NOPA GUNAWAN
NIM : D411 10 009
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
2013
Tugas 1: Entropy
2 Putu Nopa Gunawan / D411 10 009
Pengertian Entropy
Entropy adalah suatu istilah dalam hukum termodinamika yang
menunjukkan suatu ukuran ketidakpastian dari suatu sistem. Entropy juga
dapat dikatakan sebagai suatu parameter untuk mengukur tingkat
keberagaman (heterogenitas) dari kumpulan data. Semakin heterogen, nilai
entropy semakin besar. Entropy merupakan sebuah konsep acak, di mana
terdapat keadaan yang kemungkinannya tidak pasti. Entropy timbul jika
prediktabilitas atau kemungkinannya rendah (low predictable) dan informasi
yang ada tinggi (high information)
Biasanya entropy digunakan sebagai sebuah metode pembobotan.
Metode pembobotan entropy merupakan metode pengambilan keputusan yang
memberikan sekelompok kriteria, dan menaksir preferensi suatu bobot
menurut penilaian. Entropy menyelidiki keserasian dalam diskriminasi
diantara sekumpulan data. Sekumpulan data nilai alternatif pada kriteria
tertentu digambarkan dalam Discision Matrix (DM). Menggunakan metode
entropy, kriteria dengan variasi tertinggi akan mendapatkan bobot tertinggi.
Jika biasanya entropy digunakan dalam bidang termodinamika, namun
saat ini entropy tidak terbatas penggunaannya hanya dalam ilmu
termodinamika saja, tetapi juga dapat diterapkan dalam bidang lainnya.
Entropy dapat diaplikasikan untuk pembobotan atribut-atribut, hal ini
dilakukan oleh Hwang dan Yoon (1981). Menurut Jean Charles Pomerol dan
Sergio Barba Romero, konsep utama dari metode ini adalah pengukuran
kriteria j melalui fungsi tertentu sesuai dengan kuantitas informasi yang
diberikan. Bobot kriteria j dinilai melalui pengukuran dispersi aksi aj. Kriteria
yang paling penting adalah criteria yang paling kuat mendiskriminasikan tiap
nilai dalam aksi-aksi aj tersebut.
Istilah entropi pertama sekali digunakan dalam teori informasi yang
dikembangkan sekitar tahun 1940 oleh Claude Shannon di laboratorium Bell.
Istilah ini dipakai dalam bidang thermodinamika untuk menandai adannya
Tugas 1: Entropy
3 Putu Nopa Gunawan / D411 10 009
sejumlah gangguan pada sistem fisika. Dalamkonteks kompresi data, entropi
digunakan untuk merepresentasikan batas bawah (lower bound) dari jumlah
rata – rata bit per satu nilai input yaitu rata – rata panjang codeword yang
digunakan untuk mengkodekan input. Teori informasi memanfaatkan
terminologi entropi sebagai tolak ukur seberapa besar informasi yang
dikodekan pada sebuah data. Entropi merupakan suatu ukuran informasi yang
dikandung oleh suatu data dan digunakan sebagai ukuran untuk mengukur
kemampuan kompresi dari data.
Input berupa himpunan simbol S = {s1, s2, s3, ..., sn} dengan probabilitas
P = {p1, p2, p3, ...,pn} yang secara matematis dapat ditulis sebagai berikut.
Di mana : n = jumlah simbol; pj = probabilitas simbol ke-j
Misalkan terdapat rangkaian P = abaabcda dalam alphabet {a,b,c,d} maka
didapatkan masing-masing probabilitas dari setiap simbol P(a) = 0.5 , P(b) = 0.25
, P(c) = 0.125 dan P(d) = 0.125. Untuk mengkompresi rangkaian data tersebut
sebetulnya dapat dengan cara yang paling sederhana yaitu dengan menggunakan 2
bit per simbol {00, 01,10, 11} sehingga menghasilkan jumlah bit = 8 * 2 bit = 16
bit. Tetapi sesuai dengan rumus di atas entropi yang diperoleh adalah H(P) = (0.5,
0.25, 0.125, 0.125) = 0.5 x 1 + 0.25 x 2 + 2 x 0.125 x 3 = 1.75 bit. Dengan kata
lain dibutuhkan rata – rata 1.75 bit untuk merepresentasikan data tersebut. Dari
hasil tersebut maka didapatkan jumlah bit = 8 * 1.75 = 14 bit untuk
mengkompresi rangkaian kata tersebut sehingga menghasilkan 2 bit lebih sedikit
dibandingkan dengan cara yang paling sederhana.
Metode entropy coding adalah pengkodean data dengan BPS (Bit Per Simbol)
untuk tiap alphabet yang mendekati nilai entropi, karena semakin dekat BPS dari
alphabet tersebut dengan nilai entropi semakin efisien pula kode kompresi
tersebut
Tugas 1: Entropy
4 Putu Nopa Gunawan / D411 10 009
Langkah – langkah Pembobotan Entropy
Adapun langkah-langkah pembobotan dengan menggunakan metode
entropy adalah sebagai berikut:
1. Semua pengambil keputusan harus memberikan nilai yang
menunjukkan kepentingan suatu kriteria tertentu terhadap
pengambilan keputusan. Tiap pengambil keputusan boleh menilai
sesuai preferensinya masing-masing. Dalam penelitian ini metode
penilaian adalah menggunakan angka integer ganjil antara 1 sampai
9. Tiap angka menunjukkan tingkat kepentingan tertentu, mulai dari
angka 1, yaitu sangat tidak penting, sampai angka 9 yang
menunjukkan bahwa kriteria tersebut sangat penting
2. Kurangkan tiap angka tersebut dengan nilai paling ideal, dalam
penelitian ini adalah angka 9. Hasil pengurangan tersebut dinyatakan
dengan kij.
3. Bagi tiap nilai (kij) dengan jumlah total nilai dalam semua kriteria
dimana m = jumlah pengambil keputusan; n = jumlah kriteria
4. Menghitung nilai entropy untuk tiap kriteria dengan rumus berikut :
5. Hitung dispersi tiap kriteria dengan rumus berikut :
6. Karena diasumsikan total bobot adalah 1, maka untuk mendapatkan
bobot tiap kriteria, nilai dispersi harus dinormalisasikan dahulu,
sehingga :
Tugas 1: Entropy
5 Putu Nopa Gunawan / D411 10 009
Metode entropy cukup powerful untuk menghitunh bobot suatu criteria.
Alasannya karena metode ini bisa digunakan untuk berbagai jenis data, baik
kuantitatif maupun kualitatif. Selain itu metode ini juga tidak mensyaratkan
bahwa satuan maupun range dari tiap kriteria harus sama. Hal ini
dimungkinkan karena sebelum diolah semua data akan dinormalisasi dulu
sehingga akan bernilai antara 0-1. Pada dasarnya, data mempunyai range nilai
yang besar ( relative terhadap criteria itu sendiri) dan mempunyai variasi nilai
yang tinggi untuk tiap alternatif, akan memperoleh bobot yang tinggi, artinya
criteria tersebut dianggap mampu untuk membedakan performansi tiap
alternative.
Selain itu dengan menggunakan metode entropi, peneliti bisa
memberikan bobot awal pada tiap kriteria. Jadi walaupun misalnya dari
perhitungan, metode entropi memperlihatkan bobot yang kecil pada suatu
kriteria, namun jika kriteria tersebut dianggap penting oleh decision maker,
maka bisa memberikan bobot yang tinggi pada kriteria tersebut. Kedua jenis
bobo ini kemudian akan dikalkulasi bersama-sama sehingga mendapatkan
bobot entropi akhir.
Contoh Penerapan Entropy
1. Membuat tabel keputusan
Tabel keputusan adalah metode pengambilan keputusan yang cukup
sederhana. Metode ini menggunakan bantuan tabel yang berisi hubungan
antara beberapa atribut yang mempengaruhi atribut tertentu.
Contoh: Pemilihan mahasiswa Excellent
Tugas 1: Entropy
6 Putu Nopa Gunawan / D411 10 009
Pengambil keputusan memberikan bobot untuk setiap kriteria sebagai
berikut: C1=35%, C2=25%, C3=25% dan C4=15%.
Ada 5 mahasiswa yang menjadi kandidat (alternatif) untuk menjadi
mahasiswa Excellent yaitu:
A1=Bayu; A2=Meika; A3=Samuel; A4=Pepen; A5=Mima
Tabel nilai alternatif dari setiap kriteria adalah sebagai berikut:
Alternatif Kriteria
C1 C2 C3 C4
Bayu 70 50 80 60
Meika 50 60 82 70
Samuel 85 55 80 75
Pepen 82 70 65 85
Mima 75 75 85 74
2. Normalisasi tabel keputusan
Hitung seperti pada gambar di bawah ini:
Dst…
Maka berikut adalah hasil normalisasinya:
Tugas 1: Entropy
7 Putu Nopa Gunawan / D411 10 009
Proses perangkingan dengan menggunakan bobot yang telah diberikan
oleh pengambil keputusan w =[0,35 0,25 0,25 0,15]
Hasil yang diperoleh adalah sebagai berikut:
Nilai terbesar ada pada V5 sehingga alternatif A5 adalah alternatif yang
terpilih sebagai alternatif terbaik.
Dengan kata lain, Mima akan terpilih sebagai mahasiswa Excellent.
Sumber:
- http://digilib.ittelkom.ac.id/index.php?view=article&catid=25%3Aindu
stri&id=238%3Ametode-entropi&option=com_content&Itemid=14
(akses 11 September 2013 )
- http://moochaan.files.wordpress.com/2011/09/entropi2.pdf (akses 11
September 2013 )