Metode K-Means dan DBSCAN pada Pengelompokan Data Dasar Kompetensi Laboratorium ITS Tahun 2017

 Abstract views: 937

Authors

  • Laila Qadrini universitas sulawesi barat

DOI:

https://doi.org/10.36456/jstat.vol13.no2.a2886

Keywords:

K-Means, DBSCAN, Silhouette, Dunn, Laboratorium ITS

Abstract

Analisis Kelompok telah digunakan diberbagai bidang ilmu pengetahuan, dengan tujuan mengelompokkan objek/observasi. Hal penting dalam analisis kelompok adalah memperoleh nilai simpangan baku dalam kelompok yang minimum dan nilai simpangan baku antar kelompok yang maksimum, untuk memperoleh kelompok yang optimum didapatkan dengan menggunakan kriteria Elbow dan untuk menentukan validitas kelompok yaitu koefisien Silhouette dan Indeks Dunn. Pada penelitian ini dilakukan pengelompokkan variabel dasar capaian laboratorium ITS dengan menggunakan beberapa analisis kelompok, yaitu Metode K-Means, dan DBSCAN. berdasarkan hasil analisis pengelompokan diperoleh Metode DBSCAN menghasilkan nilai koefisien Silhouette dan Indeks Dunn lebih besar dibandingkan dengan Metode K-Means. Dan Jumlah dari masing-masing Metode membentuk 4 kelompok.

Downloads

Download data is not yet available.

References

Dewi A.I.C.D , Pramita A.K.D. 2019. Analisis

Perbandingan Metode Elbow dan Sillhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali (Jurnal Matrix), Vol. 9, No. 3, November 2019.

Halim N. Nurul, dan Widodo, Edy.2017.Clustering Dampak Gempa Bumi di Indonesia Menggunakan Kohonen Self Organizing Maps, Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami)

Vol.1, No.1, pp 188-194

Hermanto, P.M. Elvira, 2019. Pengelompokan

KabupatenKota Di Provinsi Jawa Timur Berdasarkan Indikator Kesehatan Mortalitas Dengan Algoritma Variable Weighting K-Means. J Statistika, Vol 12, No. 1, pp 20-25.

Jain, dan Dubes. 1988. Algorithm for Clustering Data. https://homepages.inf.ed.ac.uk/rbf/BOOKS/JAIN/Clustering_Jain_Dubes.pdf, diakses tanggal 27 November 2020.

Kaufman, L. dan Rousseeuw, P.J. 1990. Finding Groups in Data: An Introduction to Cluster Analysis. New York. Wiley.

Musfiani. 2019. Analisis Cluster Dengan Menggunakan Metode Partisi Pada Pengguna Alat Kontrasepsi Di Kalimantan Barat. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster). Vol 8. No. 4. pp893-902.

Suyanto. 2017. Data Mining Untuk Klasifikasi

dan Klasterisasi Data. Bandung: Informatika Bandung

T. M. Kodinariya, dan P. R. Makwana, 2013.

Review on determining number of cluster in K- Means Clustering, Int. J. Adv. Res. Comput. Sci. Manag. Stud. Vol. 1. No. 6.

Yohannes. 2016. Analisis Perbandingan

Algoritma Fuzzy C-Means dan K-Means. Prosiding Annual Research. Vol 2. No. 1.

Downloads

Published

12/31/2020

How to Cite

Qadrini, L. (2020). Metode K-Means dan DBSCAN pada Pengelompokan Data Dasar Kompetensi Laboratorium ITS Tahun 2017. J Statistika: Jurnal Ilmiah Teori Dan Aplikasi Statistika, 13(2), 5–11. https://doi.org/10.36456/jstat.vol13.no2.a2886