Penerapan Fuzzy C-Means Untuk Penentuan Besar Uang Kuliah Tunggal Mahasiswa Baru

Muchsin, Ariyady Kurniawan; Sudarma, Made

doi:10.24843/lkjiti.2015.v06.i03.p04

Cited by 12 publications

(9 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Clustering berbeda dengan group, group merupakan kelompok yang memiliki kondisi yang sama. Sedangkan cluster kelompoknya tidak harus sama, pengelompokan didasarkan pada kedekatan dari suatu karakteristik sampel yang ada [8] [6].…”

Section: Pendahuluanunclassified

Kemiripan Lipstik Berdasarkan Metode Fuzzy C-Means (Fcm) Menggunakan Delphi

dharsni

2020

klik

View full text Add to dashboard Cite

Laser Induced Breakdown Spectroscopy (LIBS) is a spectroscopic method for quantitative and qualitative analysis of elements contained in a material. This technique is based on an analysis of plasma emissions produced by focusing a high-power pulse laser on a sample. However, to determine the similarity of the content of a material based on spectroscopy is difficult, especially for similar materials. Lipstick itself has many color variations and some colors look almost the same. To distinguish each color, lipstick manufacturers give numbers or names on this product. In this case the writer has the goal to see the similarity of characters in the lipstick based on the cluster. For that we need the help of additional software analysis to distinguish or look for similarities of samples. One analysis that can be done is by the fuzzy method. Fuzzy c-means (FCM) is a clustering algorithm where one object can be a member of several clusters based on similar characteristics. In this study the intensity of the data processing of 3 lipstick materials was conducted using clustering method which aims to determine the similarity between materials using Delphi. There are 3 cluster centers that represent each material. From the results of the cluster center found that material 1 and 2 are in one cluster while material 3 is in a different cluster. Keywords: Laser Induced Breakdown Spectroscopy (LIBS), lipstik, cluster, fuzzy c-means (FCM), Delphi.Laser Induced Breakdown Spectroscopy (LIBS) adalah metode spektroskopi untuk analisis kuantitatif dan kualitatif unsur yang terkandung dalam sebuah bahan. Teknik ini didasarkan pada analisis emisi plasma yang dihasilkan dengan cara memfokuskan laser pulsa berdaya tinggi pada sampel. Namun, untuk menentukan kemiripan kandungan suatu bahan berdasarkan spektroskopi adalah sulit dilakukan terutama untuk bahan yang sejenis. Lipstik sendiri memiliki banyak variasi warna dan beberapa warna tampak hampir sama. Untuk membedakan tiap warna, produsen lipstik memberi nomor atau nama pada produk ini. Dalam hal ini penulis memiliki tujuan untuk melihat kesamaan karakter dalam lipstick berdasarkan klasternya. Untuk itu perlu bantuan analisis software tambahan untuk membedakan atau mencari kemiripan sampel. Salah satu analisis yang dapat dilakukan adalah dengan metode fuzzy. Fuzzy c-means (FCM) adalah algoritma clustering dimana satu objek dapat menjadi anggota beberapa cluster berdasarkan kesamaan karakteristiknya. Pada penelitian ini dilakukan pengolahan data intensitas dari 3 bahan lipstik dengan metode clustering yang bertujuan untuk mengetahui kemiripan antar bahan menggunakan Delphi. Terdapat 3 pusat cluster yang mewakili masing-masing bahan. Dari hasil pusat klaster didapat bahwa bahan 1 dan 2 berada pada satu klaster sedangkan bahan 3 berada di klaster yang berbeda. Kata kunci: Laser Induced Breakdown Spectroscopy (LIBS), lipstik, klaster, fuzzy c-means (FCM), Delphi.

show abstract

Section: Pendahuluanunclassified

Kemiripan Lipstik Berdasarkan Metode Fuzzy C-Means (Fcm) Menggunakan Delphi

dharsni

2020

klik

View full text Add to dashboard Cite

show abstract

“…The FCM method can be implemented in the fields of education, industry and even medicine, for examples "Penerapan Fuzzy C-Means untuk Penentuan Besar Uang Kuliah Tunggal Mahasiswa Baru" [4], "Penentuan Penerima Beasiswa dengan Algoritma Fuzzy C-Means di Universitas Megos Pak Tulang Bawang" [5], "Clustering Data Nilai Siswa SMA untuk Penentuan Jurusan Menggunakan Algoritma Fuzzy C-Means" [6], "Klastering Industri di Kabupaten Kudus Menggunakan Metode Fuzzy C-Means" [7] and "Deteksi Penyakit Diabetes dengan Metode Fuzzy C-Means dan K-Means Clustering" [8].…”

Section: Literature Reviewunclassified

Implementation of Fuzzy C-Means (FCM) Method For Grouping Heart Disorder Patient Data

Sumiati¹,

Marelita²,

Suhendar³

et al. 2020

Selected Papers From the 1st International Conference on Islam, Science and Technology, ICONISTECH-1 2019, 11-12 July 2019, Ban

View full text Add to dashboard Cite

“…Konsep dari fuzzy c-means pertama kali adalah menentukan pusat cluster, yang akan menandai lokasi rata-rata untuk tiap-tiap cluster [9]. Pada kondisi awal, pusat cluster ini belum akurat.…”

Section: B Fuzzy Clusteringunclassified

Pengklasteran Mahasiswa UNTAN Berdasarkan IPK Menggunakan Metode Fuzzy C-Means

Hariyadi

Sujaini

Sukamto

2020

justin

View full text Add to dashboard Cite

Clustering merupakan salah satu metode data mining. Clustering berguna untuk mengelompokkan data (objek) yang didasarkan pada informasi yang ditemukan dalam dua data yang menggambarkan objek tersebut dan hubungan diantaranya. Mahasiswa dituntut untuk aktif dalam proses belajar mengajar melalui media yang ada. Keberhasilan mahasiswa dalam bidang akademik ditandai dengan prestasi akademik yang dicapai, ditunjukkan melalui indek prestasi (IP) maupun indek prestasi kumulatif (IPK). Jumlah data yang banyak ini membuka peluang untuk menghasilkan informasi yang berguna untuk pihak universitas, fakultas dan prodi. Penelitian ini bertujuan untuk menghasilkan aplikasi pengklasteran mahasiswa berdasarkan nilai IPK dan nilai IPS dengan menerapkan metode fuzzy c-means. Fuzzy C-means menerapkan pengelompokan fuzzy, dimana setiap data dapat menjadi anggota dari beberapa cluster dengan derajat keanggotaan yang berbeda-beda pada setiap cluster. Metode Partition Coeffiecient Index (PCI) merupakan proses pengujian validasi fuzzy clustering dengan menghitung koefisien partisi atau PC sebagai evaluasi nilai derajat keanggotaan, tanpa memandang vector (data) yang biasa mengandung informasi. Berdasarkan hasil pengujian dengan perhitungan metode Partition Coeffiecient Index (PCI) yang telah dilakukan, diketahui bahwa perbedaan hasil evaluasi dapat terjadi antara cluster. Perbedaan hasil evaluasi Partition Coeffiecient Index (PCI) disebabkan oleh jumlah cluster. Hasil dari pengujian Partition Coeffiecient Index (PCI), dapat diketahui bahwa banyaknya cluster menentukan nilai evaluasi cluster. Semakin tinggi nilai kualitas evaluasi cluster, maka akan semakin baik pula tingkat kemiripan suatu cluster.

show abstract

Penerapan Fuzzy C-Means Untuk Penentuan Besar Uang Kuliah Tunggal Mahasiswa Baru

Cited by 12 publications

References 2 publications

Kemiripan Lipstik Berdasarkan Metode Fuzzy C-Means (Fcm) Menggunakan Delphi

Kemiripan Lipstik Berdasarkan Metode Fuzzy C-Means (Fcm) Menggunakan Delphi

Implementation of Fuzzy C-Means (FCM) Method For Grouping Heart Disorder Patient Data

Pengklasteran Mahasiswa UNTAN Berdasarkan IPK Menggunakan Metode Fuzzy C-Means

Contact Info

Product

Resources

About