Perbandingan Pengklusteran Data Iris Menggunakan Metode K-Means Dan Fuzzy C-Means

Febrianti, Fitria; Hafiyusholeh, Moh.; Asyhar, Ahmad Hanif

doi:10.15642/mantik.2016.2.1.7-13

Cited by 17 publications

(17 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Metode K-Means berguna untuk melihat ciri-ciri dari aplikasi berdasarkan atribut yang ada dan ini adalah salah satu tekhnik pada data mining. Data Mining merupakan proses yang menggunakan teknik statistic, perhitungan, kecerdasan buatan dan Machine Learning untuk mengekstraksi dan mengindentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai basis data besar (Febrianti et al, 2016). Dalam data mining terdapat sebuah metode yang digunakan untuk mengklaster data, yaitu K-Means.…”

Section: Pendahuluanunclassified

Analisa Cluster Aplikasi Pada App Store Dengan Menggunakan Metode K-Means

Hadi

Julianto

Rahmatullah

et al. 2020

View full text Add to dashboard Cite

Bagi para pengguna iphone, salah satu tempat untuk mengunduh ratusan ribu aplikasi android adalah App Store. Aplikasi-aplikasi iOS di bagi menjadi ketegori-ketegori yang unik. Di dalam aplikasi iOS ini terdapat aplikasi-aplikasi yang berbayar dan gratis. Dengan kategori tersebut pengguna bisa dengan mudah mencari aplikasi yang dibutuhkannya. Pada penelitian ini kami menggunakan metode K-Means untuk melihat ciri-ciri dari atribut yang ada. Dataset App Store diambil dari website resmi kaggle. Tujuan dari penelitian ini adalah untuk menganalisa hasil cluster dari K-Means. Hasil dari penelitian adalah adanya sebuah cluster yang memiliki ciri-ciri aplikasi yang ideal, yaitu nilai user rating tinggi, harga yang cukup lumayan dan memiliki ukuran aplikasi yang rendah.

show abstract

Section: Pendahuluanunclassified

Analisa Cluster Aplikasi Pada App Store Dengan Menggunakan Metode K-Means

Hadi

Julianto

Rahmatullah

et al. 2020

View full text Add to dashboard Cite

show abstract

“…Kelas pada clustering disebut sebagai cluster. Cluster adalah suatu koleksi data yang memilliki kemiripan pada satu cluster dan memiliki ketidakmiripan dengan cluster yang lain [5].…”

Section: Clusteringunclassified

Penerapan Fuzzy C-Means dalam Mengelompokkan Kabupaten/Kota Berdasarkan Fasilitas Pelayanan Kesehatan Di Jawa Timur

Ulinnuha

Maghfiroh

Fanani

2019

Inf. J. Ilm. Bid. Teknol. Inf. dan Komun.

View full text Add to dashboard Cite

Kesehatan adalah hal yang sangat penting basi setiap manusia karena tanpa kesehatan yang baik, maka manusia akan sulit untuk melakukan suatu aktivitas. Untuk menunjang kesehatan pada manusia diperlukan suatu fasilitas kesehatan yang baik. Fasilitas kesehatan ini merupakan tanggung jawab dari pemerintahan yang harus selalu dievaluasi guna meningkatkan pelayanan kesehatan. Dalam penelitian ini dibahas pemanfaatan algoritma clustering dalam mengelompokkan kabupaten atau kota di Jawa Timur menurut jumlah fasilitas pelayanan kesehatan menggunakan Fuzzy C-Means. Dengan analisis klaster akan didapat kelompok-kelompok kabupaten/kota yang memiliki fasilitas yang memadai atau yang kurang memadai. Dengan mengetahui kelompok-kelompok tersebut maka pemerintah Jawa Timur dapat mengetahui kabupaten/kota mana yang harus ditingkatkan fasilitas kesehatannya. Sumber data penelitian ini berasal dari BPS Jawa Timur. Hasil cluster yang didapat kemudian divalidasi dengan sillhoute coefficient dan purity. Dengan centroid yang telah didapatkan pada iterasi terakhir, diperoleh 4 kabupaten/kota termasuk dalam cluster pertama, 26 kabupaten/kota termasuk dalam cluster kedua, dan 8 kabupaten/kota termasuk dalam cluster ketiga. Dari validasi clustering yang dilakukan, didapatkan nilai sillhoute coefficient sebesar 0,695 dan nilai purity sebesar 1.

show abstract

“…Salah satu metode yang dapat digunakan untuk menyelesaikan masalah klasifikasi adalah Fuzzy C-Means. Diantaranya adalah digunakan untuk mengklasterkan diagnosa penyakit jantung [3], klasterisasi financial distress pada industri manufaktur[4] dan Perbandingan pengklusteran menggunakan metode C-Means dan K-Means [5]. Dari beberapa penelitian tersebut dapat disimpulkan bahwa klusterisasi financial distress dapat dilakukan dengan metode C-Means dan K-Means, sedangkan untuk hasil perbandingannya ditunjukkan bahwa metode C-Means memiliki nilai error RMSE lebih kecil dibandingkan dengan K-Means.…”

Section: Pendahuluanunclassified

Aplikasi Data Mining Pada Analisis Financial Distress Model Altman z-score Untuk Memprediksi Potensi Kebrangkutan Pada Industri Properti Go-Public Di Indonesia

Montolalu¹

2019

Inf. J. Ilm. Bid. Teknol. Inf. dan Komun.

View full text Add to dashboard Cite

Early thought systems are needed in companies to overcome financial difficulties that can challenge industrial operations. Altman Z Score is one model that can be used to predict financial distress in a company by analyzing the company's financial statements. This research was conducted to analyze financial distress in property companies going public using the Altman Z Score model. In this model there are 5 financial ratio indicators that are used to predict financial distress. The financial report data used is the financial statements for 2015-2016 and there are 23 companies. The results of these calculations are then clustered with Fuzzy C-Means in two, namely safe zone and gray zone. Cluster validation testing uses the Silhouetee Index with a validation value of 0.9541 which indicates that the cluster process is valid. The results of this study indicate that there is one company that is included in the cluster gray zone, namely Intiland Development Tbk. Analysis of financial ratios found that the most influential is the variable X3 where the results of profits before tax are very small can affect payment of obligations. So it's easy to bring up financial distress conditions. And for those companies that have been in the gray zone condition, they are expected to be careful in financial management to anticipate financial distress.

show abstract

Perbandingan Pengklusteran Data Iris Menggunakan Metode K-Means Dan Fuzzy C-Means

Cited by 17 publications

References 0 publications

Analisa Cluster Aplikasi Pada App Store Dengan Menggunakan Metode K-Means

Analisa Cluster Aplikasi Pada App Store Dengan Menggunakan Metode K-Means

Penerapan Fuzzy C-Means dalam Mengelompokkan Kabupaten/Kota Berdasarkan Fasilitas Pelayanan Kesehatan Di Jawa Timur

Aplikasi Data Mining Pada Analisis Financial Distress Model Altman z-score Untuk Memprediksi Potensi Kebrangkutan Pada Industri Properti Go-Public Di Indonesia

Contact Info

Product

Resources

About