Optimasi Penentuan Centroid pada Algoritme K-Means Menggunakan Algoritme Pillar (Studi Kasus: Penyandang Masalah Kesejahteraan Sosial di Provinsi Jawa Timur)
| Main Author: | Primandana, Alan |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/180861/1/Alan%20Primandana.pdf http://repository.ub.ac.id/180861/ |
Daftar Isi:
- Metode k-means clustering merupakan metode pengelompokan non hierarchy yang mengelompokkan data ke beberapa pusat klaster (centroid). Kesederhanaan metode kmeans banyak digunakan diberbagai bidang karena memiliki beberapa keunggulan yaitu mudah diimplementasikan dan memiliki tingkat ketelitian yang cukup tinggi terhadap ukuran objek sehingga metode ini relatif lebih terukur dan efisien. Akan tetapi algoritme k-means awal perhitungan menggunakan nilai C (centroid) yang secara acak akan menyebabkan hasil yang acak pula. Ketergantungan pada nilai C (centroid) membuat akurasi pada algoritme k-means kurang maksimal. Hasil yang dari perhitungan k-means seringkali didapatkan dengan melakukan percobaan beberapa kali dan cenderung menghasilkan klaster yang berbeda. Tapi dalam mendapatkan hasil yang lebih baik, sulitnya menentukan batasan eksperimen. Penentuan titik pusat klaster secara acak menyebabkan metode k-means belum mampu mendapatkan hasil pengelompokan terbaik. Pada penelitian ini menjabarkan algoritma yang juga digunakan untuk mengoptimalkan pemilihan titik pusat awal pada metode k-means yaitu algoritma pillar. Algoritma ini merupakan penentuan posisi centroid awal dengan menghitung jarak akumulasi metrik antara setiap data dengan semua centroid sebelumnya. Pemilihan titik ditentukan oleh titik data yang memiliki jarak maksimum. Adapun penelitian ini melakukan penentuan centroid menggunakan algoritme Pillar kemudian hasil dari algoritme tersebut digunakan untuk titik pusat klaster pada algoritme k-means. Pada setiap klaster algoritme pillar mampu mendapatkan nilai Sum of Squeared Error (SSE) lebih baik dibandingkan dengan centroid acak dibuktikan dengan menurunnya nilai SSE