Pengelompokan Hasil Survei MBKM Menggunakan K-Mean dan K-Medoids Clustering
Teks penuh
Dokumen terkait
Permasalahan yang akan diselesaikan dalam penelitian ini adalah melakukan klastering dengan menggunakan metode Support Vector Clustering dan Algoritma K-Medoids (PAM)
Hampir sama dengan tahap 4, yaitu menentukan anggota cluster dengan menghitung jarak minimum tiap object dengan centroid baru yang telah dihasilkan. K-means Algoritma merupakan
Guna untuk mengetahui hasil cluster dari metode K-Means Clustering peneliti menggunakan alat bantu rapidminer, yang dimana didalam alat bantu tersebut sudah ada
Metodologi penelitian menjelaskan langkah-langkah yang akan digunakan serta perancangan dalam melakukan implementasi metode K-Medoids clustering untuk pengelompokkan
Pengolahan data menggunakan Algoritma K-Medoids untuk memperoleh cluster imunisasi lanjutan pada anak usia 2 tahun sesuai dengan data skunder yang telah diperoleh pada tabel 1.
Kemudian tahap terakhir yaitu melakukan tahap pengujian yang menggunakan software rapidminer dan evaluasi untuk mencari tahu apakah algoritma k-means bisa digunakan dalam memprediksi
KESIMPULAN Penelitian yang telah dilakukan dalam pengelompokan daerah hasil pangan tertinggi hingga terendah menggunakan algoritma K-Medoids dapat disimpulkan bahwa beberapa hasil
Tabel 3.2 Hasil Pengelompokkan K-Medoids Kelompok Nama Barang C1 Ambang Atas P.Swing Alexindo Putih Ambang Bawah Sl/D Alexindo Putih Ambang Bawah P.Swing Alexindo Putih Big Outer
