Implementation of K-Means Algorithm with Distance of Euclidean Proximity in Clustering Cases of Violence Against Women and Children

Nuraeni, Fitri; Sm, N. Nelis Febriani; Listiani, Lina; Rahmawati, Eka

doi:10.1109/icoris.2019.8874883

Cited by 7 publications

(3 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Segmentasi ini merupakan proses utama yang melandasi analisis dan pengenalan citra, yang dapat menggunakan berbagai metode, salah satunya metode clustering. Clustering adalah teknik untuk mengelompokan data dalam beberapa grup berdasarkan tingkat kemiripan (similarity ) dan menganalisis cluster yang terbentuk sehingga dapat diketahui keadaan data setiap cluster-nya [3]. Metode clustering atau pengelompokan merupakan metode yang mudah diterapkan dan menghasilkan segmentasi yang memuaskan [4].…”

Section: Pendahuluanunclassified

Perbandingan Implementasi Algoritma K-Means++ Dan Fuzzy C-Means Pada Segmentasi Citra Wajah

Nuraeni

Susilawati

Agustin

2023

Jur. TI

View full text Add to dashboard Cite

Dalam pengenalan wajah menggunakan metode pengolahan citra, dibutuhkan proses segmentasi citra agar dapat dilakukan proses analisis citra selanjutnya. Segmentasi citra dapat dilakukan dengan metode clustering yang memiliki beberapa algoritma berbasis centroid, seperti k-means dan fuzzy c-means. Algoritma k-means sendiri memiliki beberapa varian, salah satunya k-means++ dimana varian ini lebih cerdas dalam memilih inisial centroid dibanding k-means yang memilih inisial centroid secara acak. Algoritma fuzzy cmeans sendiri telah memiliki keunggulan dalam engelompokan objek yang tersebar secara tidak teratur. Untuk mendapatkan segmentasi yang baik untuk pengenalan wajah, perlu dicari algoritma mana yang dapat menghasilkan segmentasi citra dengan kualitas baik. Sehingga pada penelitian ini, dilakukan penelitian ekspresimen dengan menggunakan citra wajah yang disegmentasi dengan algoritma k-means++ dan fuzzy c-means, kemudian dilakukan evaluasi menggunakan RSME, PSNR dan SSIM. Dari penelitian ini dihasilkan segmentasi citra dengan fuzzy c-means lebih baik dibandingkan hasil k-means++ berdasarkan nilai RSME, PSNR dan SSIM

show abstract

Section: Pendahuluanunclassified

Perbandingan Implementasi Algoritma K-Means++ Dan Fuzzy C-Means Pada Segmentasi Citra Wajah

Nuraeni

Susilawati

Agustin

2023

Jur. TI

View full text Add to dashboard Cite

show abstract

“…Kmeans memiliki langkah awal dengan menentukan nilai dari k yang akan menentukan jumlah klaster yang dibangun. Untuk mendapatkan nilai k yang optimal, maka digunakan beberapa metode untuk mengevaluasi proses klasterisasi diantaranya yaitu perbandingan silhouette coefficient [13], evaluasi Davies-Bouldin Indeks (DBI) [14], metode elbow [15] [16].…”

Section: Pendahuluanunclassified

Pemetaan Karakteristik Mahasiswa Penerima Kartu Indonesia Pintar Kuliah (KIP-K) menggunakan Algoritma K-Means++

2023

View full text Add to dashboard Cite

Pengetahuan baru mengenai pemetaan karakteristik mahasiswa penerima KIP-K pada perguruan tinggi dapat menggunakan penggalian data yaitu teknik clustering. Pemetaan karakteristik ini dilakukan dari hasil pengelompokan mahasiswa berdasarkan atribut akademik dan non-akademik menggunakan algoritma K-Means++ yang dapat menurunkan jumlah perulangan dalam proses pengelompokan datanya. Dengan menggunakan metode Cross-Industry Standard Process for Data Mining (CRIPS-DM) dan algoritma clustering yaitu k-means++. Dari penelitian ini, dihasilkan model clustering dengan nilai k=2 berdasarkan grafik metode elbow dengan nilai silhouette coefficient terbesar yaitu 0.7523 dan davies bouldine index (DBI) terkecil yaitu 0.49053. Dari hasil pemetaan karakteristik mahasiswa penerima KIP-K ini, didapatkan pengetahuan yang dapat menjadi bahan pengambilan keputusan perguruan tinggi penyelenggaran dalam penyeleksian pendaftar KIP-K sehingga meminimalisir masalah akademik mahasiswa penerima KIP-K di kemudian hari.

show abstract

“…Dari tahun ke tahun kasus kekerasan di Indonesia semakin meningkat dan menjadi perhatian dikalangan masyarakat. Kondisi ini tercatat di Komisi Nasional Anti Kekerasan Terhadap Perempuan (KOMNAS Perempuan), angka kekerasan terhadap perempuan setiap tahun mengalami peningkatan [2]. Pada gambar 1 menunjukan grafik peningkatan kasus kekerasan terhadap perempaun dalam 12 tahun terakhir kasus kekerasan terhadap perempuan meningkat sebesar 792% (hampir 800%).…”

Section: Pendahuluanunclassified

Klasterisasi Kasus Kekerasan Terhadap Anak dan Perempuan Berdasarkan Algoritma K-Means

2021

View full text Add to dashboard Cite

Violence is action or threats against themselves alone, a group of people or community a group of people or community, loss psychologist, trauma, or deprivation of rights. District Karawang is on of the district that exist in the province of Jawa Barat. Violence that befell children and women in the area of Karawang bloom occurs, such as the lacj awareness of the victim to follow up cases that happened. The purpose of knowing the results of the cluster of cases of violence against children and women into three clusters are statterd in every sub-district in the District Karawang with category level of hardness low, medium or high in order that the government Karawang can provide treatment that is defferent and more targeted and focused on the results ot the analysis for each-each district. Data mining is the process of extracting data to obtain new information. In this study using CRIPS-DM methodology.Research is doing computation algorithm k-means clustering on the data of case of violence against children and women in 2016-2020. Results of testing using tools WEKA 3.8 earnded three cluster or the three categories of the level of violence that is cluster 0 there are 4 members who categorized the level of violence high, cluster 1 there are 2 members categorized the level of violence medium, and cluster 2 there are 24 members who categorized the level of violence low, the results of clustering is evaluated using equation testing purity measure, generate value purity 0,617, case that shows the cluster is quite good.

show abstract

Implementation of K-Means Algorithm with Distance of Euclidean Proximity in Clustering Cases of Violence Against Women and Children

Cited by 7 publications

References 3 publications

Perbandingan Implementasi Algoritma K-Means++ Dan Fuzzy C-Means Pada Segmentasi Citra Wajah

Perbandingan Implementasi Algoritma K-Means++ Dan Fuzzy C-Means Pada Segmentasi Citra Wajah

Pemetaan Karakteristik Mahasiswa Penerima Kartu Indonesia Pintar Kuliah (KIP-K) menggunakan Algoritma K-Means++

Klasterisasi Kasus Kekerasan Terhadap Anak dan Perempuan Berdasarkan Algoritma K-Means

Contact Info

Product

Resources

About