Madani, BikriyahJauhar (2014) Analisis Hybrid Hierarchical Clustering Melalui Mutual Cluster, Bottom-Up Dan Top Down Menggunakan Jarak Euclidean Dan Mahalanobis. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis kelompok merupakan analisis yang digunakan untuk mengelompokkan objek berdasarkan ukuran kemiripan. Analisis kelompok dapat dilakukan dengan metode hybrid melalui mutual cluster, bottom-up dan top-down. Metode bottom-up dimulai dari kelompok yang sedikit anggota menjadi kelompok beranggota banyak. Sedangkan metode top-down dimulai dari kelompok tunggal hingga terbentuk kelompok beranggota sedikit. Pengelompokan hybrid melalui mutual cluster merupakan kombinasi metode bottom-up dan top-down dimana jarak maksimum antar objek dalam sebuah mutual cluster lebih kecil dibandingkan jarak minimum antar objek diluar mutual cluster. Jarak yang digunakan ada 2, yaitu jarak Euclidean dan Mahalanobis. Pemilihan metode terbaik menggunakan nilai Cluster Tightness Measure (CTM) dimana dapat digunakan untuk mengukur tingkat kebaikan pengelompokan optimal suatu algoritma. Nilai CTM ini lebih sederhana dan menggunakan ukuran yang didasarkan pada simpangan baku dari beberapa kelompok dengan beberapa peubah. Metode bottom-up menjadi metode yang lebih daripada metode top-down dan hybrid melalui mutual cluster dengan menggunakan jarak Euclidean dan Mahalanobis karena ukuran sampel yang digunakan pada penelitian ini relative kecil
English Abstract
Clusters analysis is an analysis that used to clustering the objects based on similarity criterion. There are many methods on cluster analysis, such bottom-up, top-down and hybrid through mutual cluster. The bottom-up method is started with a group of few members and developed into the group with large members. Top-down method started from a single group and developed into many group with few members. Hybrid clusteringthrough mutual cluster is a combination from bottom-up method and top-down method which maximum distance between the objects on mutual cluster less than minimum distance between the objects outside mutual cluster. There are two distances that will be applicated, Euclidean distance and mahalanobis distance. The methods to choose the best model is by using the Cluster Tightness Measure (CTM) value which can be counting the goodness of optimal clustering for an algorithm. It is more simple and the measurement based on standard deviation of some cluster with some variables. The bottom-up method is better than others (top-down and hybrid via mutual cluster) because the amount of sample that used in this research is too little.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/309/051405307 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 02 Sep 2014 13:34 |
| Last Modified: | 21 Oct 2021 05:05 |
| URI: | http://repository.ub.ac.id/id/eprint/153940 |
Preview |
Text
SKRIPSI.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |