• Tidak ada hasil yang ditemukan

Analisis Kinerja Metode Dbscan (Density-Based Spatial Clustering of Applications with Noise) dan K-Means Dalam Sistem Pendukung Keputusan

N/A
N/A
Protected

Academic year: 2017

Membagikan "Analisis Kinerja Metode Dbscan (Density-Based Spatial Clustering of Applications with Noise) dan K-Means Dalam Sistem Pendukung Keputusan"

Copied!
2
0
0

Teks penuh

(1)

DAFTAR PUSTAKA

Abdillah, G., Putra, F. A., & Renaldi, F. (2016, Maret 18 - 19). Penerapan Data Mining Pemakaian Air Pelanggan untuk Menentukan Klasifikasi Potensi Pemakaian Air Pelanggan Baru Di PDAM Tirta Raharja Menggunakan Algoritma K-Means. SENTIKA, 498 - 506.

Agusta, Y. (2007, Pebruari). K-Means Penerapan, Permasalahan dan Metode Terkait.

Jurnal Sistem dan Informatika, 3, 47-60.

Arsih, N., Hajarisman, N., & Darwis, S. (2016). Metode Pengclusteran Berbasis Densitas Menggunakan Algoritma DBSCAN. Prosiding Statistika, 2(2).

Azhar, R., Arifin, A. Z., & Khotimah, W. N. (2016, Juni). Integritas Density-Based Clustering dan HMRF-EM pada Ruang Warna HIS untuk Segemntasi Citra Ikan Tuna. Jurnal Inspiration, 6(1), Halaman Awal-Halaman Akhir.

Cordova, I., & Moh, T.-S. (2015). DBSCAN on Resilient Distributed Datasets.

Journal IEEE.

Dai, B.-R., & Lin, I.-C. (2012). Efficient Map/Reduce-based DBSCAN Algorithm with Optimized Data Partition . IEEE Fifth International Conference on Cloud Computing.

Devi, N. M., Putra, I. K., & Sukarsa, I. M. (2015, Desember). Implementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan. Lontar Komputer, 6(3).

Furqon, M. T., & Muflikhah, l. (2016, July). Clustering The Potential Risk Of Tsunami Using density-Based Spatial Clustering Of Application With Noise (DBSCAN). Journal of Environmental Engineering & Sustainable

Technology, 03(01), 1-8. Retrieved from http://jeest.ub.ac.id

Han, J., Camber, M., & Pei, J. (2012). Data Mining Concepts and Techniques (3rd ed.). USA: Elsevier.

Hartadi, A. D., & Juwita, O. (2013, Juli). Perancangan Data Warehouse dan Penerapan Teknik Clustering Spatial pada Wesel: Studi kasus PT XXX.

ComTech, 4(1), 199-212.

Kantardzic, M., Wiley, J., & Sons. (2003). Data Mining: Concepts, Models, methods, and Algorithms.

(2)

Mardiani. (2014, Agustus-Oktober). Perbandingan Algoritma K-Means dan EM untuk Clusterisasi Nilai Mahasiswa Berdasarkan Asal Sekolah. Citec Journal, 1(4), 316-325.

Nurjayanti. (2016). Analisis Text-Mining dengan metode Density-Based Clustering Pada Pesan Media Sosial untuk Pemetaan Lokasi Kecelakaan. JMII, 1(1), 31-38.

Ong, J. O. (2013, Juni). Implementasi Algoritma K-Means Clustering untuk Menentukan Stratrgi Marketing president University. Jurnal Ilmiah Teknik Industri, 12(1).

Poonam, Tripathi, S. P., & Shukla, P. K. (2012, August). Uncertainty handling using Fuzzy Logic in Rule Based Systems. International Journal of advanced Science and Technology, 45.

Prasetyo, E. (2012). Data Mining-Konsep dan Aplikasi Menggunakan MATLAB .

Yogyakarta: ANDI.

Prasetyo, E. (2014). Data Mining-Mengolah Data Menjadi Informasi Menggunakan MATLAB . Yogyakarta: ANDI.

Putra, I. M. (2013, Juli-Desember). Segmentasi Citra Remote Sensing Laut dengan Metode Clustering DBSCAN. Teknologi Elektro , 12(2), 16-23.

Silitonga, P. (2016). Analisis Pola Penyebaran Penyakit Pasien Pengguna Badan Penyelenggara Jaminan Sosial (BPJS) Kesehatan Dengan Menggunakan Metode DBSCAN Clustering. Jurnal TIMES, V(1), 36-39.

Widodo, P. P., Handayanto, R. T., & Herlawati. (2013). Penerapan Data Mining dengan MATLAB. Bandung: Rekayasa Sains.

Yuwono, A., Oslan, Y., & Dwijono, D. (2009, Mei). Implementasi Metode Density Based Spatial Clustering of Applications with Noise Untuk Mencari Arah Penyebaran Wabah Demam Berdarah. Jurnal EKSIS, 02(01), 11-21.

Zilvan, V. (2015, Mei). Ekstraksi Objek pada Citra Radar FM-CW dengan Metode DBSCAN. INKOM, 9(1), 29-38.

Referensi

Dokumen terkait

K-means adalah salah satu algoritma yang mampu mengelompokkan data atau biasa disebut clustering ke dalam satu atau beberapa kelompok atau cluster, Sehingga terciptalah

Runtung Sitepu, S.H., M.Hum., atas kesempatan yang telah diberikan kepada penulis untuk dapat mengikuti dan menyelesaikan pendidikan Program Magister Teknik

Metode clustering algoritma k- means dapat diterapkan pada kubikasi air terjual berdasarkan pengelompokan pelanggan di PDAM Kab.50 Kota, sehingga metode ini sangat

DBSCAN merupakan algoritma yang didesain oleh ester et.al pada tahun 1996 dapat mengidentifikasi kelompok-kelompok dalam kumpulan data spasial yang besar dengan

Dari data IPM di Pulau Jawa dengan rentang tahun 2014-2016 dilakukan proses clustering menggunakan K-means dengan menggunakan yang sama dimasukkan oleh algoritma

DBSCAN merupakan algoritma yang didesain oleh ester et.al pada tahun 1996 dapat mengidentifikasi kelompok-kelompok dalam kumpulan data spasial yang besar dengan

2 Rima Dias Ramadhani dari Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan

KESIMPULAN Berdasarkan hasil dari penelitian disimpulan bahwa telah diterapkan Metode Algoritma K-Means Clustering untuk mengelompokan data siswa kurang mampu yang berhak mendapatkan