Saepulloh, Dadan Primary Author mixed material bibliography Bandung Magister Statistika Terapan 2010 id Indonesia

vi,;102 hlm ,;29,5 cm Pengelompokan (clustering) adalah salah satu proses dari data mtntng yang bertujuan untuk menemukan "pengetahuan" atau pola yang berharga dari data yang berukuran relatif besar yang umumnya dikelola sebagai data history dan disimpan baik sebagai database maupun datawarehouse. Metode pengelompokan digunakan terhadap data-data yang bersifat un-supervised learning, sehingga proses pengelompokan didalam konsep data mining termasuk dalam Un-supervised analysis. Terdapat dua kelompok metode pengelompokan yang sudah dikenal yaitu metode cluster analysis hirarki (hierarchical clustering method) dan metode cluster analysis non hirarki (non hierarchical clustering method), Algoritma K-Means Cluster Analysis termasuk dalam kelompok metode cluster analysis non hirarki, dimana jumlah kelompok yang akan dibentuk sudah terlebih dahulu diketahui atau ditetapkan jumlahnya. AIgoritma K-Means Cluster Analysis mempergunakan metode perhitungan jarak (distance) untuk mengukur tingkat kedekatan antara data dengan titik tengah (centroid), umumnya menggunakan Euclidean distance atau metode pengukuran jarak lainnya, untuk data yang berjenis biner metode perhitungan jarak ini menjadi tidak tepat diterapkan sehingga perlu dilakukan perubahan yaitu dengan cara mempergunakan metode perhitungan tingkat similaritas, terdapat beberapa metode perhitungan similaritas diantaranya yang dipergunakan dalam laporan ini adalah Jaccard simililarity, Anderberg similarity, Czekanowsky similarity, dan Kulczynski similarity. Kemudian untuk menentukan nilai centroid awal pada algoritma K­ Means Cluster Analysis umumnya dilakukan dengan cara acak (random), pada analisa ini dilakukan modifikasi dengan terlebih dahulu dilakukan proses pengurutan (sorting) data dan nilai awal centroid ditetapkan berdasarkan kriteria pembentuk kelompok yang sudah diketahui. Dengan melakukan pendekatan similaritas dan perubahan pada algoritma k-means cluster analysis seperti diatas menghasilkan algoritma k-means cluster analysis yang dapat dipergunakan pada data berjenis biner dan validitas yang lebih baik . Saepulloh, Dadan Terdapat dua kelompok metode pengelompokan yang su 519.5 Sae a Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519.5 Sae a/R.14.84 01001100700041 Perpustakaan Pusat (REF.14.84) 519.5 Sae a 20%252Fscan0001.jpg.jpg 31997 2017-04-02 00:52:59 2018-06-26 10:38:41 machine generated