Perbandingan Rapid Centroid Estimation (RCE) — K Nearest Neighbor (K-NN) Dengan K Means — K Nearest Neighbor (K-NN)
| Main Authors: | Syaliman, Khairul Umam, Zulfahmi, M., Nababan, Aldi Abdillah |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Universitas Islam Sumatera Utara
, 2017
|
| Subjects: | |
| Online Access: |
http://jurnal.uisu.ac.id/index.php/infotekjar/article/view/166 http://jurnal.uisu.ac.id/index.php/infotekjar/article/view/166/pdf_13 |
| ctrlnum |
--jurnal.uisu.ac.id-index.php-index-oai:article-166 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">Perbandingan Rapid Centroid Estimation (RCE) — K Nearest Neighbor (K-NN) Dengan K Means — K Nearest Neighbor (K-NN)</title><creator>Syaliman, Khairul Umam</creator><creator>Zulfahmi, M.</creator><creator>Nababan, Aldi Abdillah</creator><subject lang="en-US">Akurasi; Clustering; K-Means; K-Nearest Neighbor (K-NN); Rapid Entimation Centroid (RCE).</subject><description lang="en-US">Teknik Clustering terbukti dapat meningkatkan akurasi dalam melakukan klasifikasi, terutama pada algoritma K-Nearest Neighbor (K-NN). Setiap data dari setiap kelas akan membentuk K cluster yang kemudian nilai centroid akhir dari setiap cluster pada setiap kelas data tersebut akan dijadikan data acuan untuk melakukan proses klasifikasi menggunakan algoritma K-NN. Namun kendala dari banyaknya teknik clustering adalah biaya komputasi yang mahal, Rapid Centroid Estimation (RCE) dan K-Means termasuk kedalam teknik clustering dengan biaya komputasi yang murah. Untuk melihat manakah dari kedua algoritma ini (RCE dan K-Means) yang lebih baik memberikan peningkatan akurasi pada algoritma K-NN maka, pada penelitian ini akan mencoba untuk membandingkan kedua algoritma tersebut. Hasil dari penelitian ini adalah gabungan RCE—K-NN memberikan hasil akurasi yang lebih baik dari K-Means—K-NN pada data set iris dan wine. Namun dalam perubahan nilai akurasi RCE—K-NN lebih stabil hanya pada data set iris. Sedangkan pada data set wine, K-Means—K-NN terlihat mendapati perubahan akurasi yang lebih stabil dibandingkan RCE—K-NN.</description><publisher lang="en-US">Universitas Islam Sumatera Utara</publisher><contributor lang="en-US"/><date>2017-09-03</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Journal:Article</type><type>File:application/pdf</type><identifier>http://jurnal.uisu.ac.id/index.php/infotekjar/article/view/166</identifier><identifier>10.30743/infotekjar.v2i1.166</identifier><source lang="en-US">InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan; Vol 2, No 1 (2017): InfoTekJar September; 79-89</source><source>2540-7600</source><source>2540-7597</source><source>10.30743/infotekjar.v2i1</source><language>eng</language><relation>http://jurnal.uisu.ac.id/index.php/infotekjar/article/view/166/pdf_13</relation><recordID>--jurnal.uisu.ac.id-index.php-index-oai:article-166</recordID></dc>
|
| language |
eng |
| format |
Journal:Article Journal Other:info:eu-repo/semantics/publishedVersion Other File:application/pdf File Journal:eJournal |
| author |
Syaliman, Khairul Umam Zulfahmi, M. Nababan, Aldi Abdillah |
| title |
Perbandingan Rapid Centroid Estimation (RCE) — K Nearest Neighbor (K-NN) Dengan K Means — K Nearest Neighbor (K-NN) |
| publisher |
Universitas Islam Sumatera Utara |
| publishDate |
2017 |
| topic |
Akurasi Clustering K-Means K-Nearest Neighbor (K-NN) Rapid Entimation Centroid (RCE) |
| url |
http://jurnal.uisu.ac.id/index.php/infotekjar/article/view/166 http://jurnal.uisu.ac.id/index.php/infotekjar/article/view/166/pdf_13 |
| contents |
Teknik Clustering terbukti dapat meningkatkan akurasi dalam melakukan klasifikasi, terutama pada algoritma K-Nearest Neighbor (K-NN). Setiap data dari setiap kelas akan membentuk K cluster yang kemudian nilai centroid akhir dari setiap cluster pada setiap kelas data tersebut akan dijadikan data acuan untuk melakukan proses klasifikasi menggunakan algoritma K-NN. Namun kendala dari banyaknya teknik clustering adalah biaya komputasi yang mahal, Rapid Centroid Estimation (RCE) dan K-Means termasuk kedalam teknik clustering dengan biaya komputasi yang murah. Untuk melihat manakah dari kedua algoritma ini (RCE dan K-Means) yang lebih baik memberikan peningkatan akurasi pada algoritma K-NN maka, pada penelitian ini akan mencoba untuk membandingkan kedua algoritma tersebut. Hasil dari penelitian ini adalah gabungan RCE—K-NN memberikan hasil akurasi yang lebih baik dari K-Means—K-NN pada data set iris dan wine. Namun dalam perubahan nilai akurasi RCE—K-NN lebih stabil hanya pada data set iris. Sedangkan pada data set wine, K-Means—K-NN terlihat mendapati perubahan akurasi yang lebih stabil dibandingkan RCE—K-NN. |
| id |
IOS4523.--jurnal.uisu.ac.id-index.php-index-oai:article-166 |
| institution |
Universitas Islam Sumatera Utara |
| institution_id |
1254 |
| institution_type |
library:university library |
| library |
Universitas Islam Sumatera Utara |
| library_id |
1095 |
| collection |
InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan) |
| repository_id |
4523 |
| subject_area |
Computer Modeling and Simulation/Model dan Simulasi Komputer Computer Communications Networks/Jaringan Komunikasi Komputer Algorithms/Algoritma Computer Security, Data Security/Keamanan Komputer, Keamanan Data |
| city |
KOTA MEDAN |
| province |
SUMATERA UTARA |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4523 |
| first_indexed |
2017-11-10T02:29:00Z |
| last_indexed |
2019-05-07T11:28:09Z |
| recordtype |
dc |
| _version_ |
1686136660296728576 |
| score |
17.538404 |