t-SNE

#install.packages("Rtsne") # jika belum ada
library(Rtsne)
library(ggplot2)
library(plotly)
library(dplyr)

data(iris)   
head(iris)

Preprocessing

# Cek jumlah baris duplikat
dup_rows <- iris[duplicated(iris), ]
cat("Jumlah baris duplikat:", nrow(dup_rows), "\n")

Jumlah baris duplikat: 1 

if(nrow(dup_rows) > 0){
  print("Baris duplikat:")
  print(dup_rows)
}

[1] "Baris duplikat:"

# Hapus baris duplikat
df <- iris %>% distinct()
cat("Jumlah baris setelah hapus duplikat:", nrow(df), "\n")

Jumlah baris setelah hapus duplikat: 149 

Standarisasi Data

X <- scale(df[, 1:4])  # fitur numerik
y <- df$Species         # label / kelas

t-SNE

set.seed(42)
tsne_2d <- Rtsne(
  X,
  dims = 2,          # output 2 dimensi
  perplexity = 30,   # jumlah tetangga efektif
  eta = 200,         # learning rate
  max_iter = 1000    # jumlah iterasi
)
# Gabungkan hasil ke dataframe
df_tsne2 <- as.data.frame(tsne_2d$Y)
colnames(df_tsne2) <- c("TSNE1", "TSNE2")
df_tsne2$Class <- y

Visualisasi

ggplot(df_tsne2, aes(x = TSNE1, y = TSNE2, color = Class)) +
  geom_point(size = 3, alpha = 0.8) +
  theme_minimal() +
  ggtitle("t-SNE Visualization of Iris Dataset")

Tuning Parameter

• perplexity → jumlah tetangga efektif (umumnya 5–50)
• eta (learning rate) → 10–1000
• max_iter → jumlah iterasi (misal 500, 1000, 2000)

set.seed(42)
tsne_2d <- Rtsne(
  X,
  dims = 2,          # output 2 dimensi
  perplexity = 30,   # jumlah tetangga efektif
  eta = 200,         # learning rate
  max_iter = 1000    # jumlah iterasi
)

contoh dengan 3 dimensi

set.seed(42)
tsne_3d <- Rtsne(
  X,
  dims = 3, 
  perplexity = 30, 
  eta = 200, 
  max_iter = 1000
)

df_tsne3 <- as.data.frame(tsne_3d$Y)
colnames(df_tsne3) <- c("Dim1", "Dim2", "Dim3")
df_tsne3$Class <- y

visualisasi

plot_ly(df_tsne3, 
        x = ~Dim1, y = ~Dim2, z = ~Dim3,
        color = ~Class, colors = c("red","green","blue"),
        type = "scatter3d", mode = "markers") %>%
  layout(title = "t-SNE 3D (Iris)")