Improved K-means clustering algorithm for screw locking classification

Liu, Jinyan; Wang, Dongqing; Ma, Zhuo; Xu, Boyang

doi:10.1109/iaeac47372.2019.8998054

2019 IEEE 4th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC) 2019

DOI: 10.1109/iaeac47372.2019.8998054

|View full text |Cite

Improved K-means clustering algorithm for screw locking classification

Jinyan Liu

Dongqing Wang

Zhuo Ma

et al.

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2023

2024

Publication Types

Select...

Article2

Relationship

Self Cite0

Independent2

Authors

Journals

Cited by 2 publications

(2 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Peneliti terdahulu lainnya dilakukan dengan penerapan metode K-means, namun pada penelitian tersebut dataset yang digunakan sesuai dengan kebutuhan dari prosedur penelitian dengan mengimplentasikan metode K-means [4]. Peneliti lainnya dengan impelentasi yang sama yaitu dengan mengadopsi proses K-means clustering yang diproses dengan membandingkan dengan metode Ant Colony Optimization.…”

unclassified

See 1 more Smart Citation

Implementasi K-Means Clustering untuk Analisis Non-Numerik Dataset Spare Part Mobil

Utami,

Rahma,

Suroso

2024

View full text Add to dashboard Cite

Industri otomotif merupakan salah satu sector ekonomik terbesar di dunia, dengan berbagai rantai pasok yang kompleks. Kompleksitas data otomotif yang beragai sering kali banyak mengandung atribut data non-numerik, seperti nama, jenis spare part, merk, dan atribut kualitatif lainnya. Analisis non-nurmerik dapat memberikan wawasan berharga dengan pola dan hubungan antar suku cadang. Tujuan dari penelitian ini yaitu untuk mengembangkan metode k-means clustering pada dataset spare part yang mengandung atribut non-numerik. K-means clustering adalah Teknik yang umumnya digunakan untuk analisis data numerik dan memerlukan modifikasi atau keterlibatan metode lain dalam mengatasi data non-numerik. Adapun proses yang dilibatkan yaitu proses normalisasi dengan menggunakan metode binning. Implementasi K-means Clustering pada dataset non-numerik memiliki manfaat potensial. Pertama, itu memungkinkan identifikasi kelompok dari suku cadang yang memiliki karakterisktik serupa, yang dapat digunakan untuk mengelompokkan produk serupa. Kedua yaitu untuk membantu dalam pengelolaan ketersedian dengan lebih efisien, menghindari kelebihan persedian, dan memenuhi permintaan pelanggan dengan lebih baik. Penelitian ini menghadapi tantangan dalam menentukan metrik kesamaan yang tepat untuk data non-numerik dan dalam menentukan jumlah cluster yang optimal. Namun, metodologi yang cermat dan eksperimen yang bekelanjutan, mampu mengembangkan pendekatan yang dapat digunakan dalam pengelompokan suku cadang mobil non-numerik. Hasil dari penelitian ini diperoleh sebaran data dengan menggunkan cluster K=2 dengan nilai Silhouette sebagai nilai dari sebaran data yaitu 0,925.

show abstract

unclassified

“…Implementasi K-means Clustering pada dataset suku cadang mobil non-numerik akan memberikan manfaat yang signifikan, temasuk [4]:…”

unclassified

Implementasi K-Means Clustering untuk Analisis Non-Numerik Dataset Spare Part Mobil

Utami,

Rahma,

Suroso

2024

View full text Add to dashboard Cite

show abstract

Semi-supervised and un-supervised clustering: A review and experimental evaluation

Taha

2023

Information Systems

View full text Add to dashboard Cite

scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.

Contact Info

hi@scite.ai

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

Improved K-means clustering algorithm for screw locking classification

Cited by 2 publications

References 13 publications

Implementasi K-Means Clustering untuk Analisis Non-Numerik Dataset Spare Part Mobil

Implementasi K-Means Clustering untuk Analisis Non-Numerik Dataset Spare Part Mobil

Semi-supervised and un-supervised clustering: A review and experimental evaluation

Contact Info

Product

Resources

About