Azizah, Maulida (2013) Analisis Cluster Komponen Utama Nonlinier Dan Analisis Two Step Cluster Untuk Data Berskala Campuran. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis Cluster Digunakan Untuk Mengelompokkan Objekobjek Berdasarkan Kesamaan Karakteristik Tertentu. Analisis Yang Sering Digunakan Yaitu Analisis Cluster Hirarki Dan Non Hirarki Di Mana Hanya Dapat Menangani Data Interval Dan Rasio. Padahal Banyak Penelitian Melibatkan Data Dengan Skala Pengukuran Campuran (Nominal, Ordinal, Interval Dan Rasio). Penelitian Ini Bertujuan Untuk Membandingkan Analisis Cluster Hirarki Dengan Transformasi Komponen Utama Nonlinier Dan Analisis Two Step Cluster Dalam Mengelompokkan Data Berskala Campuran. Analisis Komponen Utama Nonlinier Menghasilkan Skor Komponen Objek Berskala Rasio Sehingga Dapat Dilanjutkan Dengan Analisis Cluster Hirarki. Sementara Analisis Two Step Cluster Menangani Data Berskala Campuran Pada Jarak Log-Likelihood Yang Digunakan. Data Yang Digunakan Adalah 10 Data Sekunder. Kriteria Pembanding Yang Digunakan Yaitu Rasio Keragaman Dengan Membagi Nilai Sum-Ofsquares Within Cluster (Ssw) Dengan Sum-Of-Squares Between Clusters (Ssb). Nilai Rasio Yang Kecil Mengindikasikan Metode Lebih Baik. Hasil Penelitian Menunjukkan Analisis Two Step Cluster Adalah Analisis Yang Lebih Baik Dibandingkan Dengan Analisis Cluster Transformasi Komponen Utama Nonlinier
English Abstract
Cluster Analysis Used To Classify Objects Based On The Similiarity Of Certain Characteristic. Analysis That Frequently Used Is Hierarchical Cluster Analysis And Non-Hierarchy Which Can Only Handle Data (Interval And Ratio). However A Lot Of Research Involved Data With A Mixed Measurement Scales (Nominal, Ordinal, Interval And Ratio). This Experiment Aimed To Compare Hierarchical Cluster Analysis With Nonlinier Principal Component Transformation And Two Step Cluster Analysis In Order To Classifying Large-Scale Data Mix. Nonlinier Principal Component Analysis Will Generate Score Object Component In Ratio Scale So That It Can Be Proceed With The Analysis Of Cluster Hierarchy. While Two Step Cluster Handling The Large-Scale Data Mix In Log-Likelihood Distance That Used. The Data That Used Are 10 Secondary Data. Comparison Criteria Used Is The Diversity Ratio By Dividing The Sum-Of-Squares Within Clusters (Ssw) With The Sum-Of-Squares Between Clusters (Ssb). Small Value Of The Ratio Indicates A Better Method. The Result Of This Study Is Two Step Cluster Analysis Is Better Than Cluster Analysis With Nonlinier Principal Component Transformation
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2013/370/051400006 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 03 Jan 2014 14:32 |
| Last Modified: | 25 Oct 2021 02:42 |
| URI: | http://repository.ub.ac.id/id/eprint/153637 |
Preview |
Text
MAULIDA_AZIZAH_(0910953035).pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |