Clustering Data Remunerasi Dosen Untuk Penilaian Kinerja Menggunakan Fuzzy c-Means
Teks penuh
Gambar
Dokumen terkait
Tempatkan setiap data pada cluster, sehingga data akan dimasukkan kedalam cluster yang memiliki jarak paling dekat dengan titik pusat dari setiap cluster, untuk
Berdasarkan kualitas ketepatan pengelompokan menggunakan rasio simpangan baku dalam cluster dan antar cluster (rasio Sw/Sb), pengelompokan data obligasi korporasi
Dari clustering yang dilakukan diperoleh hasil yaitu nilai fungsi obyektif selama iterasi, pusat cluster atau center serta derajat keanggotaan lulusan untuk setiap
Pada posisi pertama diduduki oleh Cluster 4 dengan anggota sebanyak 94, dengan perincian jumlah anggota 92 atau 46,7% dari total jumlah keseluruhan anggota yang
Dari clustering yang dilakukan diperoleh hasil yaitu nilai fungsi obyektif selama iterasi, pusat cluster atau center serta derajat keanggotaan lulusan untuk
metode SOM menjadi anggota cluster 4, namun pada metode Fuzzy C-Means menjadi anggota cluster 2 dengan anggota lain yaitu Kabupaten Purbalingga, Kabupaten Banjarnegara,
Berdasarkan kualitas ketepatan pengelompokan menggunakan rasio simpangan baku dalam cluster dan antar cluster (rasio Sw/Sb), pengelompokan data obligasi korporasi
Dari tabel 4 dapat dilihat bahwa cluster yang memiliki anggota yaitu cluster ke 4 sedangkan cluster yang lain tidak memiliki anggota sehingga untuk menghitung centroid
