Pengelompokan Data E-Commerce Menggunakan Kernel Based Fuzzy C-Means Yang Dioptimisasi Dengan Bat Algorithm (Bakfcm)

Ashari, Irvan Achmad and Syaiful Anam,, S.Si., M.T., Ph.D. (2023) Pengelompokan Data E-Commerce Menggunakan Kernel Based Fuzzy C-Means Yang Dioptimisasi Dengan Bat Algorithm (Bakfcm). Sarjana thesis, Universitas Brawijaya.

Abstract

Karakterisasi pengguna e-commerce menjadi hal yang penting untuk dilakukan karena pengguna di masing-masing negara memiliki perbedaan karakteristik. Karakterisasi pengguna e-commerce dapat dilakukan melalui analisis cluster atau pengelompokan data. Oleh karena itu, skripsi ini membahas tentang pengelompokan data ecommerce menggunakan algoritma Kernel based Fuzzy C-Means (KFCM) dengan Bat Algorithm (BA) sebagai algoritma optimisasi parameter KFCM. Metode ini disebut BAKFCM. Fungsi tujuan yang digunakan pada algoritma BAKFCM adalah fungsi tujuan KFCM. Hasil percobaan menunjukkan algoritma BAKFCM lebih baik dibandingkan algoritma KFCM berdasarkan nilai fungsi tujuan. Nilai Partition Coefficient Index (PCI) dari hasil percobaan menunjukkan bahwa jumlah cluster yang optimal adalah dua cluster baik untuk KFCM maupun BAKFCM. Nilai Dunn Index (DI) yang dihasilkan KFCM lebih baik daripada BAKFCM. Runtime program KFCM jauh lebih singkat dibandingkan BAKFCM. Hasil perhitungan fungsi tujuan menunjukkan bahwa BA mampu mengoptimisasi pusat cluster walaupun tidak signifikan, akan tetapi performa BAKFCM tidak lebih baik dibandingkan KFCM berdasarkan alat evaluasi DI.

English Abstract

E-commerce users characterization is an important thing to do because users in each country have different characteristics. Ecommerce users characterization can be done through cluster analysis or data clustering. Therefore, this final project discusses the clustering of e-commerce data using Kernel based Fuzzy C-Means (KFCM) algorithm with Bat Algorithm (BA) as the KFCM parameter optimization algorithm. This method is called BAKFCM. The objective function used in the BAKFCM algorithm is the KFCM objective function. Experimental results show that the BAKFCM algorithm is better than the KFCM algorithm based on the objective function value. The Partition Coefficient Index (PCI) value from the experimental results shows that the optimal number of clusters is two clusters for both KFCM and BAKFCM. The Dunn Index (DI) value produced by the KFCM is better than the BAKFCM. The runtime of the KFCM program is much shorter than that of BAKFCM. The objective function calculation results show that BA is able to optimize the centroid although not significantly, but the performance of BAKFCM is not better than KFCM based on the DI evaluation tool.

Item Type:	Thesis (Sarjana)
Identification Number:	052309
Uncontrolled Keywords:	Bat Algorithm, Dunn Index, e-commerce, Kernel based Fuzzy C-Means, Partition Coefficient Index.
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User:	Pitoyo Widhi Atmoko
Date Deposited:	23 Jan 2024 04:51
Last Modified:	23 Jan 2024 04:51
URI:	http://repository.ub.ac.id/id/eprint/211939

Text (DALAM MASA EMBAGO) 211939 IRVAN ACHMAD ASHARI.pdf Restricted to Registered users only until 31 December 2025. Download (4MB)

Actions (login required)

View Item