achirramadhan/tugas-akhir

Tugas Akhir

Repositori ini berisi kode, eksperimen, dan hasil eksperimen dari tugas akhir yang berjudul "Model Interpretable Machine Learning Berbasis MaxSAT Untuk Permasalahan Klasifikasi". Tugas akhir ini termotivasi oleh MLIC [1] dan IMLI [2].

• Implementasi IMLI dapat dilihat pada file IMLI.py.
• Dokumentasi tentang cara menggunakan IMLI.py dapat dilihat pada file dokumentasi.ipynb.
• Hasil mentah dari eksperimen yang dilakukan serta script yang digunakan dapat dilihat pada folder experiment.
• Hasil eksperimen yang sudah diolah menjadi csv serta beberapa plot terkait hasil tersebut dapat dilihat pada folder olah-data.
• Datasets yang digunakan dapat dilihat pada folder datasets. Hasil preprocessing setiap dataset agar dapat digunakan oleh IMLI.py dapat dilihat pada folder experiment/<nama-dataset>/holdout.

Prasyarat

Sebelum dapat digunakan, perlu dilakukan peng-install-an MaxSAT solver yang kemudian didaftarkan pada PATH variable. Dua MaxSAT solver yang dapat digunakan adalah Open-WBO dan MaxHS. Dapat digunakan MaxSAT solver lainnya, tetapi penggunaannya tidak dibahas pada README ini.

Open-WBO

1. Clone repositori Open-WBO berikut https://github.com/sat-group/open-wbo

2. Jalankan perintah

   make
   

   Untuk meng-compile Open-WBO tersebut menjadi sebuah file binary bernama open-wbo.

3. Masukkan folder yang mengandung open-wbo tersebut ke dalam PATH.

   Untuk Ubuntu, ini dapat dilakukan sebagai berikut.

   1. Buka file ~/.bashrc
   2. Tambahkan baris berikut di akhir file tersebut.

      export PATH="$HOME/<path-to-open-wbo>:$PATH"
      

      Misalnya,

      export PATH="$HOME/Documents/Skripsi/open-wbo:$PATH"
      

   3. Load ulang file ~/.bashrc pada terminal yang digunakan dengan perintah

      source ~/.bashrc
      

   4. Pastikan Open-WBO dapat langsung diakses pada terminal menggunakan perintah

      open-wbo
      

      Jika berhasil, seharusnya akan dikeluarkan output seperti berikut.

      c
      c Open-WBO:	 a Modular MaxSAT Solver -- based on Glucose4.1 (core version)
      c Version:	 September 2018 -- Release: 2.1
      ...
      

   Untuk Windows, ini dapat dilakukan sebagai berikut.

   1. Buka System Properties pada tab Advanced.
   2. Buka Environment Variables pada bagian kiri bawah.
   3. Tambahkan User variables dengan cara menekan Edit dan memasukkan path total lokasi dari Open-WBO. Misalnya,

      D:\Skripsi\open-wbo
      

   4. Simpan perubahan tersebut dengan menekan tombol OK.
   5. Buka command prompt baru. Pastikan* Open-WBO dapat langsung digunakan dari command prompt yang baru dibuka dengan perintah.

      open-wbo
      

      Jika berhasil, seharusnya akan dikeluarkan output seperti berikut.

      c
      c Open-WBO:	 a Modular MaxSAT Solver -- based on Glucose4.1 (core version)
      c Version:	 September 2018 -- Release: 2.1
      ...
      

4. Untuk menggunakan Open-WBO pada kode di repositori ini, cukup gunakan parameter solver="open-wbo"

MaxHS

1. Ikuti tutorial peng-install-an MaxHS yang dapat diperoleh pada link https://github.com/fbacchus/MaxHS
2. Masukkan folder yang mengandung binary maxhs (Ubuntu) atau executable maxhs.exe (Windows) pada PATH variable sistem yang digunakan. Binary atau executable tersebut seharusnya terletak pada folder <path-to-maxhs>/build/release/bin/ (Ubuntu) atau <path-to-maxhs>\build\release\bin\ (Windows). Cara menambahkan full path dari folder ini ke PATH serupa dengan tutorial Open-WBO sebelumnya pada poin ke 3.
3. Untuk menggunakan MaxHS pada kode di respositori ini, gunakan parameter solver="maxhs -printBstSoln".

Penggunaan

Untuk menggunakan IMLI.py, dibutuhkan dua buah library Python, yaitu Numpy dan Orange3. Install libraries tersebut menggunakan perintah.

pip install -r requirements.txt

Setelah itu, IMLI.py siap digunakan. Contoh penggunaannya dapat dilihat pada file dokumentasi.ipynb.

Referensi

[1] Malioutov, D., & Meel, K. S. (2018). MLIC: A MaxSAT-based framework for learning interpretable classification rules. Proceedings of International Conference onConstraint Programming (CP).

[2] Ghosh, B., & Meel, K. S. (2019). IMLI: An incremental framework for MaxSAT-based learning of interpretable classification rules Proceedings of the 2019 AAAI/ACMConference on AI, Ethics, and Society, 203–210.