Optimasi Centroid Awal K-Means Menggunakan Algoritma Genetika Pada Pengelompokan Data Gangguan Hati
| Main Author: | Purwaningtyas, EkaYanuar |
|---|---|
| Format: | Thesis NonPeerReviewed Lainnya Book |
| Bahasa: | eng |
| Terbitan: |
, 2012
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153181/1/Eka_Yanuar_P_-_0710963052.pdf http://repository.ub.ac.id/153181/2/Eka_Yanuar_P_-_0710963052.pdf http://repository.ub.ac.id/153181/ |
Daftar Isi:
- K-Means merupakan algoritma clustering non-hierarki yang paling banyak digunakan arena sederhana, mudah diimplementasikan dan memiliki kemampuan untuk meng-cluster data yang besar. Namun algoritma ini mempunyai kelemahan, yaitu hasil cluster sangat bergantung pada inisialisasi centroid awal yang dibangkitkan secara random sehingga hasil clustering sering terjebak pada solusi yang bersifat minimal lokal. Salah satu metode untuk mengatasi kelemahan tersebut adalah dengan menggunakan algoritma genetika. Algoritma ini digunakan untuk menentukan centroid awal yang sesuai dalam proses clustering menggunakan K-Means. Dalam penelitian ini dataset dinormalisasi terlebih dahulu kemudian dicari centroid awal yang akan digunakan dalam K-Means menggunakan algoritma genetika. Dan proses terakhir yaitu clustering. Dari hasil uji coba, sistem yang menerapkan algoritma genetika untuk optimasi centroid awal K-Means dalam pengelompokkan data gangguan hati memiliki rata – rata error ratio sebesar 0,455072. Sedangkan menggunakan K-Means memiliki nilai rata – rata error ratio sebesar 0,5513044. Rata – rata penurunan error ratio sebesar 9,6232%, jadi dapat dikatakan bahwa optimasi centroid awal K-Means menggunakan algoritma genetika lebih baik dari pada algoritma K-Means.