IMPLEMENTASI METODE CLUSTERING DENGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK MEMETAKAN POTENSI PRODUKSI PADI DAN PALAWIJA KABUPATEN/KOTA DI PROVINSI JAWA BARAT
Total View This Week0
Total View This Week0
Institusion
Universitas Bakrie
Author
Azmi, Alifian
Subject
Information analysis
Datestamp
2020-02-11 07:11:49
Abstract :
Pada metode cluster non-hirarki terdapat beberapa algoritma clustering data, di antaranya adalah metode K-Means dan metode K-Medoids. Pada proses pengelompokkan (clustering), dalam metode K-Means suatu objek hanya akan menjadi anggota satu cluster dengan menghitung rata-rata dari sedangkan pada metode K-Medoids suatu objek hanya akan menjadi anggota satu cluster dengan mengambil sampel acak dari suatu objek. Algoritma K-Medoids digunakkan karena pada metode K-Medoids kemungkinan kegagalan untuk konvergen lebih kecil dibandingkan metode K-means. Tujuan penelitian ini adalah untuk membandingkan metode K-Means dan metode K-Medoids (PAM) secara teoritis serta mengetahui aplikasinya. Langkah awal dalam penelitian ini adalah membandingkan antara metode K-Means dan metode K-Medoids secara teoritis kemudian mengaplikasikannya pada data Palawija BPS Jawa Barat. Dan pada akhir penelitian ini diperoleh kesimpulan bahwa K-Means dan K-Medoids (PAM) merupakan metode clustering data yang di golongkan sebagai metode pengklasifikasian yang bersifat unsupervised (tanpa arahan). Pengalokasian ulang data ke dalam masing-masing cluster, metode K-Means menggunakan metode pengalokasian yang bersifat mencari rata-rata(means). Sedangkan untuk metode K-Medoids mengelompokkan data dengan menggunakan clustering bersifat tegas (hard) yang memungkinkan kegagalan untuk konvergen lebih kecil dibandingkan metode K-means. Dengan pendekatan pengklasteran K-Means dan K-Medoids, peneliti berupaya melakukan pembagian kelompok daerah dapat dilakukan berdasarkan kabupaten/kota, luas panen (Ha), produksi(ton) dan tahun panen. Pada penelitian ini dilakukan pengklasteran daerah potensial penghasil palawija menggunakan algoritma K-Means dan K-Medoids.
Pada metode cluster non-hirarki terdapat beberapa algoritma clustering data, di antaranya adalah metode K-Means dan metode K-Medoids. Pada proses pengelompokkan (clustering), dalam metode K-Means suatu objek hanya akan menjadi anggota satu cluster dengan menghitung rata-rata dari sedangkan pada metode K-Medoids suatu objek hanya akan menjadi anggota satu cluster dengan mengambil sampel acak dari suatu objek. Algoritma K-Medoids digunakkan karena pada metode K-Medoids kemungkinan kegagalan untuk konvergen lebih kecil dibandingkan metode K-means. Tujuan penelitian ini adalah untuk membandingkan metode K-Means dan metode K-Medoids (PAM) secara teoritis serta mengetahui aplikasinya. Langkah awal dalam penelitian ini adalah membandingkan antara metode K-Means dan metode K-Medoids secara teoritis kemudian mengaplikasikannya pada data Palawija BPS Jawa Barat. Dan pada akhir penelitian ini diperoleh kesimpulan bahwa K-Means dan K-Medoids (PAM) merupakan metode clustering data yang di golongkan sebagai metode pengklasifikasian yang bersifat unsupervised (tanpa arahan). Pengalokasian ulang data ke dalam masing-masing cluster, metode K-Means menggunakan metode pengalokasian yang bersifat mencari rata-rata(means). Sedangkan untuk metode K-Medoids mengelompokkan data dengan menggunakan clustering bersifat tegas (hard) yang memungkinkan kegagalan untuk konvergen lebih kecil dibandingkan metode K-means. Dengan pendekatan pengklasteran K-Means dan K-Medoids, peneliti berupaya melakukan pembagian kelompok daerah dapat dilakukan berdasarkan kabupaten/kota, luas panen (Ha), produksi(ton) dan tahun panen. Pada penelitian ini dilakukan pengklasteran daerah potensial penghasil palawija menggunakan algoritma K-Means dan K-Medoids.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
