Wiradarma, Bayu (2014) Implementasi Algoritma Fuzzy C-Means untuk Pengelompokan Tingkat Penyakit Anemia. Skripsi Program Studi Ilmu Komputer, Program Teknologi Informasi. Sarjana thesis, Universitas Brawijaya.
Abstract
Penelitian ini membahas penerapan algoritma Fuzzy C-Means (FCM) dalam pengelompokkan data tingkat penyakit anemia. Anemia merupakan keadaan dimana jumlah sel darah merah atau jumlah hemoglobin (protein pembawa oksigen), lekosit, trombosit dan eritrosit dibawah normal atau kekurangan sel darah merah, sehingga darah tidak dapat mengangkut oksigen dalam jumlah sesuai yang diperlukan tubuh. Clustering merupakan metode mengelompokkan suatu objek ke dalam sejumlah kelompok (cluster) yang sesuai. Prinsip dari clustering adalah meminimumkan kesamaan antar anggota satu cluster dan memaksimalkan kesamaan antar anggota cluster yang berbeda. Fuzzy C-Means merupakan (FCM) merupakan teknik pengklusteran dimana tiap-tiap data ditentukan oleh derajat keanggotaannya. Semakin besar nilai derajat keanggotaan data dalam suatu cluster maka semakin besar pula data tersebut menjadi anggota cluster tersebut. Hasil clustering kemudian diproses atau dievaluasi menggunakan nilai F-measure dimana sebelumnya harus diketahui nilai precission dan nilai recall terlebih dahulu. Pengujian dilakukan dengan sebaran data yang berbeda dengan jumlah dataset yaitu 150 dataset, 180 dataset dan 210 dataset. Dari ketiga pengujian yang dilakukan menunjukkan bahwa nilai F-measure dari 150 dataset yang tertinggi pada cluster ke 2 yaitu 0.61013, F-measure dari 180 dataset yang tertinggi pada cluster ke 2 yaitu 0.58547 dan F-measure dari 210 dataset yang tertinggi pada cluster ke 2 yaitu 0.55989 yang dilakukan sebanyak 10 kali. Perbedaan nilai f-measure dikarenakan pada proses awal pengelompokkan terdapat pembangkitan bilangan random untuk pembentukan matriks awal dan karena sebaran data yang digunakan berbeda-beda pada data latih dan data uji. Sehingga pada pengelompokkan data tingkat penyakit anemia ini nilai f-measure yang tertinggi berada pada cluster 2.
English Abstract
Research discusses the application of the algorithm of Fuzzy C-Means (FCM) to group the data of anemia disease rate. Anemia is a condition when red blood cell rate or hemoglobin rate (oxygen carrying protein), leucocyte, thrombocyte and erythrocyte are below normal or when red blood cell is lacking such that blood cannot transport oxygen in necessary amount required by the body. Clustering is a method to group an object into a number of appropriate groups (cluster). The principle of clustering is to minimize the similarity between members of a cluster and to maximize the similarity between members of different cluster. Fuzzy C-Means (FCM) is a clustering technique where each data is determined by the degree of membership. Higher degree of membership of the data in a cluster is meant as higher possibility that the data will be the member of the cluster. Result of clustering is processed or evaluated using F-Measure rate after their precision or recall rates are understood. Three data sets such as 150 data sets, 180 data sets, and 210 data sets, which represent the distribution of data, are tested. Based on result of three tests, the highest F-measure rate from 150 data sets is 0.61013 found at 2nd cluster, the highest F-measure rate from 180 data sets is 0.58547 found at 2nd cluster, and the highest F-measure rate from 210 data sets is 0.55989 found at 2nd cluster. Each test is repeated 10 times. Different F-measure rates are obtained because early grouping process has generated random numbers to establish early matrix and also because data distribution shall be different at practice data and test data. Therefore, in the grouping of anemia disease rate data, the highest F-measure rate remains in the 2nd cluster.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2014/226/051407519 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 06 Nov 2014 07:59 |
| Last Modified: | 20 Oct 2021 04:57 |
| URI: | http://repository.ub.ac.id/id/eprint/146016 |
Preview |
Text
BAB_1.pdf Download (1MB) | Preview |
Preview |
Text
BAB_3.pdf Download (2MB) | Preview |
Preview |
Text
BAB_4.pdf Download (2MB) | Preview |
Preview |
Text
BAB_2.pdf Download (2MB) | Preview |
Preview |
Text
ACOVER.pdf Download (1MB) | Preview |
Preview |
Text
ABSTRAK.pdf Download (1MB) | Preview |
Preview |
Text
BAB_5.pdf Download (2MB) | Preview |
Preview |
Text
DAFTAR_ISI.pdf Download (1MB) | Preview |
Preview |
Text
BAB_6.pdf Download (1MB) | Preview |
Preview |
Text
DAFTAR_PUSTAKA.pdf Download (1MB) | Preview |
Preview |
Text
KATA_PENGANTAR.pdf Download (1MB) | Preview |
Preview |
Text
LAMPIRAN.pdf Download (2MB) | Preview |
Preview |
Text
LEMBAR_PERSETUJUAN,_PENGESAHAN,_PERNYATAAN.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |