Primandana, Alan (2020) Optimasi Penentuan Centroid pada Algoritme K-Means Menggunakan Algoritme Pillar (Studi Kasus: Penyandang Masalah Kesejahteraan Sosial di Provinsi Jawa Timur). Sarjana thesis, Universitas Brawijaya.
Abstract
Metode k-means clustering merupakan metode pengelompokan non hierarchy yang mengelompokkan data ke beberapa pusat klaster (centroid). Kesederhanaan metode kmeans banyak digunakan diberbagai bidang karena memiliki beberapa keunggulan yaitu mudah diimplementasikan dan memiliki tingkat ketelitian yang cukup tinggi terhadap ukuran objek sehingga metode ini relatif lebih terukur dan efisien. Akan tetapi algoritme k-means awal perhitungan menggunakan nilai C (centroid) yang secara acak akan menyebabkan hasil yang acak pula. Ketergantungan pada nilai C (centroid) membuat akurasi pada algoritme k-means kurang maksimal. Hasil yang dari perhitungan k-means seringkali didapatkan dengan melakukan percobaan beberapa kali dan cenderung menghasilkan klaster yang berbeda. Tapi dalam mendapatkan hasil yang lebih baik, sulitnya menentukan batasan eksperimen. Penentuan titik pusat klaster secara acak menyebabkan metode k-means belum mampu mendapatkan hasil pengelompokan terbaik. Pada penelitian ini menjabarkan algoritma yang juga digunakan untuk mengoptimalkan pemilihan titik pusat awal pada metode k-means yaitu algoritma pillar. Algoritma ini merupakan penentuan posisi centroid awal dengan menghitung jarak akumulasi metrik antara setiap data dengan semua centroid sebelumnya. Pemilihan titik ditentukan oleh titik data yang memiliki jarak maksimum. Adapun penelitian ini melakukan penentuan centroid menggunakan algoritme Pillar kemudian hasil dari algoritme tersebut digunakan untuk titik pusat klaster pada algoritme k-means. Pada setiap klaster algoritme pillar mampu mendapatkan nilai Sum of Squeared Error (SSE) lebih baik dibandingkan dengan centroid acak dibuktikan dengan menurunnya nilai SSE
English Abstract
The k-means clustering method is a non-hierarchical grouping method that groups data into several centroid centers. The simplicity of the k-means method is widely used in various fields because it has several advantages, namely it is easy to implement and has a high level of accuracy of the size of the object so that this method is relatively more measurable and efficient. However, the initial k-means algorithm calculates using a C (centroid) value that randomly causes random results. Dependence on C (centroid) values makes the accuracy of the k-means algorithm less than optimal. The results of kmeans calculations are often obtained by experimenting several times and tend to produce different clusters. But in getting better results, it is difficult to determine the limits of an experiment. The random determination of cluster centers causes the kmeans method has not been able to get the best grouping results. In this study, we describe an algorithm that is also used to optimize the selection of the initial center point in the k-means method, the pillar algorithm. This algorithm is an initial centroid determination by calculating the distance of metric accumulation between each data and all previous centroids. The choice of points is determined by data points that have a maximum distance. This research determines centroid using the Pillar algorithm and the results of the algorithm are used for the cluster's focal point on the k-means algorithm. In each cluster pillar algorithm is able to get the value of Sum of Squeared Error (SSE) better than random centroids as evidenced by the decreasing value of SSE.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/101/052003063 |
| Uncontrolled Keywords: | pengelompokan, k-means, pillar, clustering, k-means, pillar |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming > 005.106 85 Software engineering / Capability maturity model (Computer software) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:19 |
| Last Modified: | 09 Oct 2024 01:18 |
| URI: | http://repository.ub.ac.id/id/eprint/180861 |
![[thumbnail of Alan Primandana.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Alan Primandana.pdf Download (4MB) |
Actions (login required)
 |
View Item |