Clustering Data Polutan Udara Kota Pekanbaru dengan Menggunakan Metode K-Means Clustering
Teks penuh
Gambar
Dokumen terkait
Lampiran 4 menunjukkan data spesies jamur yang hasil cluster-nya berbeda dengan hasil penelitian Rahayu (1992) beserta fitur cirinya. Fitur ciri yang mempunyai
3) Setelah menetukan titik pusat awal cluster langkah selanjutnya yaitu hitung jarak centroid setiap data ke masing-masing centroid menggunakan persamaan
Untuk menghitung jarak tersebut dapat menggunakan euclidean distance seperti pada (4). Untuk menentukan anggota cluster adalah dengan memperhitungkan jarak minimum objek. Nilai
Setelah dilakukan proses reduksi dimensi, selanjutnya dilakukan proses clustering menggunakan K-Means, dengan skenario reduksi dimensi yang berbeda dan jumlah cluster yang
Dari beberapa kali pengujian menggunakan 5 Cluster yang berbeda menunjukkan bahwa nilai DBI terkecil terdapat pada pengujian menggunakan 3 jumlah Cluster yaitu
Sehingga penelitan ini dilakukan untuk menginterpretasi kelompok yang terbentuk dari implementasi k-means clustering menggunakan 3 teknik similarity yaitu Euclidean,
Pada penelitian ini diketahui bahwa hasil cluster dengan metode k-means memiliki kualitas sedang sampai baik pada nilai k mendekati jumlah jenis moda transportasi dilihat dari
Kedua, dari clustering yang terbentuk dari masing-masing kelas, dapat dijabarkan bahwa untuk kelas Teknik Informatika-A, sebanyak 5 10% nilai UTS termasuk dalam cluster nilai
