Maylana, RizkyLinda (2014) Beberapa Metode Pautan Pada Analisis Kelompok Menggunakan Jarak Euclidean Dan Square Euclidean. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis kelompok merupakan metode analisis untuk mengelompokkan objek-objek pengamatan menjadi beberapa kelompok, sehingga akan diperoleh kelompok dimana objek-objek dalam satu kelompok memiliki banyak persamaan sedangkan dengan anggota kelompok lain memiliki banyak perbedaan. Pengelompokan dilakukan menggunakan metode Average linkage, Single linkage, Complete linkage dan Ward. Dengan ukuran kedekatan yaitu jarak Euclidean dan Square Euclidean. Metode Average linkage ukuran jarak rata-rata antara setiap pasangan objek yang mungkin dari semua objek pada satu kelompok dengan seluruh objek pada kelompok lain. Single linkage dengan menggabungkan tetangga terdekat. Complete linkage menggunakan prinsip jarak terjauh antar objek. Sedangkan ward’s adalah metode kelompok hirarki dari penggabungan 2 group untuk meminimalkan ESS. Pemilihan metode pengelompokan terbaik menggunakan nilai Cluster Tightness Measure (CTM). Dengan demikian metode terbaik adalah pengelompokan metode single linkage menggunakan jarak Square Euclidean.
English Abstract
Cluster analyisis is a method to classify the objects of observation into several groups, so that will be obtained in which groups of objects in a group has a lot of similarities while the other group members have many differences. Grouping is done using the Average method linkage, Single linkage, Complete linkage and Ward by using Square Euclidean and Euclidean distance. Average linkage method measure the average distance between each pair of objects that may be of all objects in a group with all of the other objects in the group. Single linkage does by combining nearest neighbor. Complete linkage uses the principle of furthest distance between objects. While Wards considered hierarchical clustering procedures based on minimizing the “loss of information” from joining two group. Selection of the best clustering methods using Cluster tightness value Measure (CTM). So the best method is the method of single linkage clustering using Euclidean distance Square.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/349/051406246 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 16 Sep 2014 08:07 |
| Last Modified: | 21 Oct 2021 06:07 |
| URI: | http://repository.ub.ac.id/id/eprint/153984 |
Preview |
Text
SKRIPSI.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |