|
| |
|
MUHAJIR AKBAR HSB. PENERAPAN K-MEDOIDS DAN FUZZY C-MEANS UNTUK PENGELOMPOKAN HASIL UJIAN NASIONAL TINGKAT SMA/MA JURUSAN IPS DI INDONESIA. Banda Aceh : Fakultas MIPA Universitas Syiah Kuala, 2019 |
|
AbstrakAnalisis klaster merupakan metode dalam data mining untuk menemukan informasi dengan mengelompokkan objek dalam klaster menggunakan ukuran kesamaan. masalah yang sering dihadapi dalam metode klaster adalah data pencilan. metode k-medoids dan fuzzy c-means dapat digunakan untuk mengatasi masalah ini. medoids berlokasi di tengah objek klaster, sehingga k-medoids dapat mengatasi pencilan. fuzzy c-means memungkinkan suatu objek memiliki lebih dari satu klaster dan fuzzy c-means memiliki utilitas yang lebih baik dalam penerapan dibandingkan k-means. penelitian ini mengimplementasikan metode pengelompokan k-medoids dan metode fuzzy c-means yang dilakukan pada dataset untuk nilai rata-rata ujian nasional sekolah menengah atas untuk jurusan ips tahun 2017. beberapa kabupaten/kota tidak memiliki skor ujian nasional dalam mata pelajaran tertentu. kondisi ini dianggap sebagai data tidak lengkap atau yang lebih dikenal sebagai data hilang. pengelompokan harus menggunakan data lengkap untuk setiap
Baca Juga : ANALISA PENGELOMPOKAN PENUNGGAKAN PEMBAYARAN LISTRIKRN(STUDI KASUS PT. PLN (PERSERO),CABANG RNMERDUATI BANDA ACEH) (Khusnul Azima, 2015) ,
Baca Juga : ANALISIS PERBANDINGAN METODE FUZZY C-MEANS, FUZZY GUSTAFSON KESSEL, DAN FUZZY GATH GEVA MENGGUNAKAN CITRA SATELIT QUICKBIRD (STUDI KASUS DESA LEUBOK BATEE, KECAMATAN INGIN JAYA, KABUPATEN ACEH BESAR). (Warda Zifal, 2014) , variabel, jadi dalam kasus yang disebutkan di atas, estimasi data yang hilang perlu dilakukan. predictive mean matching adalah metode untuk memperkirakan data yang hilang dengan regresi menggunakan variabel lain sebagai parameter. teknik gap statistik digunakan untuk menentukan jumlah cluster optimal. pengelompokan hasil klaster dari dua metode dibandingkan dengan menggunakan validasi internal dan validasi stabilitas. hasil penelitian ini menunjukkan bahwa fuzzy c-means lebih baik daripada k-medoids. metode fuzzy c-means mengklasifikasikan 184 kabupaten / kota ke dalam klaster pertama (peringkat tertinggi), 134 kabupaten / kota ke klaster kedua (klaster peringkat kedua) dan 195 kabupaten / kota ke klaster ketiga (klaster peringkat terendah). kata kunci: data mining, klaster, fuzzy c-means, k-medoids, ujian Pengarang tidak dapat memberikan Full Text secara langsung, untuk mendapatkan full text silahkan menghubungi email pengarang : muhajirakbarhsb@yahoo.com atau dapat mengisi Form LSS di bawah. Literature Searching ServiceTulisan yang relevan PENGELOMPOKAN SMA/MA JURUSAN IPA DI PROVINSI ACEH MENGGUNAKAN METODE K-MEANS DAN K-MEDIANS (NURUL HUSNA, 2018) ,PEMETAAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN NILAI UJIAN NASIONAL SMA/MA JURUSAN IPA TAHUN 2107 MENGGUNAKAN METODE CLUSTERING (Melia Hardianti, 2019) , PENGELOMPOKAN KAB/KOTA DI INDONESIA BERDASARKAN NILAI MATA PELAJARAN UN IPA MENGGUNAKAN METODE K-MEANS CLUSTERING (AINUN MARDHIAH, 2018) , |
|
|
|
Kembali ke halaman sebelumnya
Terkini
PROSPEK EKSPOR KOPI ARABIKA ORGANIK BERSERTIFIKAT DI KABUPATEN ACEH TENGAH |
ANALISIS KOMPARATIF TINGKAT PENDAPATAN USAHATANI PADI SAWAH IRIGASI DAN PADI SAWAH TADAH HUJAN BERDASARKAN STATUS PENGUASAAN LAHAN DI KECAMATAN KUTA COT GLIE KABUPATEN ACEH BESAR |
KAJIAN PEMASARAN DAN KEUNTUNGAN PETANI KACANG TANAH DI KECAMATAN DARUSSALAM KABUPATEN ACEH BESAR |
STUDI PENDAPATAN RUMAH TANGGA PERTANIAN DI DATARAN TINGGI (KASUS DESA URING KECAMATAN BUKIT KABUPATEN BENER MERIAH) |
ANALISIS PENDAPATAN USAHATANI TEMBAKAU DI KECAMATAN BANDAR BARU KABUPATEN PIDIE JAYA |