• Tidak ada hasil yang ditemukan

ANALISIS KLASTERISASI PELANGGARAN LALU LINTAS MENGGUNAKAN ALGORITMA K-PROTOTYPE - Teknokrat Repository

N/A
N/A
Protected

Academic year: 2024

Membagikan "ANALISIS KLASTERISASI PELANGGARAN LALU LINTAS MENGGUNAKAN ALGORITMA K-PROTOTYPE - Teknokrat Repository"

Copied!
3
0
0

Teks penuh

(1)

33

DAFTAR PUSTAKA

Abdussalam et al., 2020. Science And Engineering National Seminar 5 (SENS 5).

Klasterisasi Perkara Pelanggaran Lalu Lintas Menggunakan Algoritma K- Means dan Davies Bouldin Index.

Alita, D., Sari, I. and Rahman Isnain, A. (2021) ‘Penerapan Naïve Bayes Classifier Untuk Pendukung Keputusan Penerima Beasiswa’, Jdmsi, 2(1), p. 702022.

Amin, M.C., 2017. Faktor - Faktor Yang Mempengaruhi Pertumbuhan Kendaraan Bermotor Roda Dua Di Kota Pekanbaru. IV(1).

Badan Pusat Statistik. [Online] Available at:

https://www.bps.go.id/LinkTableDinamis/view/id/1133 [Accessed Maret 2021].

Bakri, M. (2017) ‘Penerapan Data Mining untuk Clustering Kualitas Batu Bara dalam Proses Pembakaran di PLTU Sebalang Menggunakan Metode K- Means’, Jurnal Teknoinfo, 11(1), p. 6. doi: 10.33365/jti.v11i1.3.

B, S.T. & Sasana, H., 2016. Analisis Dampak Ekonomi dan Sosial Akibat Kemacetan Lalu Lintas Di Jalan Raya Bogor-Jakarta.

Darwis, D., Siskawati, N. and Abidin, Z. (2021) ‘Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional’, Jurnal Tekno Kompak, 15(1), p. 131. doi: 10.33365/jtk.v15i1.744.

Dicki Pajri, Yuyun Umaidah, T. N. P. (2021) ‘Implementation of K-Nearest Neighbor ( K-NN ) Algorithm For Public Sentiment Analysis of Online Learning’, Teknik Informatika dan Sistem Informasi, 15(2), pp. 121–130. doi:

10.22146/ijccs.65176.

Elisawati, Wahyuni, D. & Arianto, A., 2019. Analisa Clustering Pada Data Pelanggaran Lalu Lintas di Pengadilan Negeri Dumai Dengan Menggunakan Metode K-Means. IV.

Fatimah, S., 2019. Pengantar Transportasi. Ponorogo: Myria Publisher.

Gandhi, B. S., Megawaty, D. A. and Alita, D. (2021) ‘Aplikasi Monitoring Dan Penentuan Peringkat Kelas Menggunakan Naïve Bayes Classifier’, Jurnal Informatika dan Rekayasa Perangkat Lunak, 2(1), pp. 54–63.

Herlinda, V., Darwis, D. and Dartono, D. (2021) ‘Analisis Clustering Untuk Recredesialing Fasilitas Kesehatan Menggunakan Metode Fuzzy C-Means’, Jurnal Teknologi dan Sistem Informasi, 2(2), pp. 94–99.

Kepolisian Negara Republik Indonesia. [Online] Available at:

https://www.polri.go.id/tilang [Accessed Maret 2021].

Kresnanto, N.C., 2019. Model Pertumbuhan Sepeda Motor Berdasarkan Produk Dosmetik Regional Bruto (PRDB) Perkapita (Studi Kasus Pulau Jawa), 25(1), pp.107-14.

(2)

34

Munthe, A.D., Sumertajaya, I.M. & Syafitri, U.D., 2018. Penggerombolan Desa/Kelurahan Berdaarkan Indikator Kemiskinan Dengan Menerapkan Algoritma Tsc Dan K-Prototypes. II, pp.63-76.

Nithya, G.S. & Prabha, K.A., 2019. A Lion Optimazation Based K-Prototype Clustering Algoritm For Mixed Data. VI(2).

Nabila, Z., Rahman Isnain, A. and Abidin, Z. (2021) ‘Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K- Means’, Jurnal Teknologi dan Sistem Informasi (JTSI), 2(2), p. 100. Available at: http://jim.teknokrat.ac.id/index.php/JTSI.

Neneng and Fernando, Y. (2017) ‘Klasifikasi Jenis Daging Berdasarkan Analisis Citra Tekstur Gray Level Co-Occurrence Matrices ( Glcm ) Dan Warna’, Seminar Nasional Sains dan Teknologi 2017, (November), pp. 1–7.

Nooraeni, R., 2016. Metode Cluster Menggunakan Kombinasi Algoritma Cluster K- Prototype Dan Algoritma Genetika Untuk Data Bertipe Campuran. pp.81-98.

Nooraeni, R., Suprijadi, J. & Zulhanif, 2019. K-Prototype Untuk Pengelompokan Data Campuran. XIII(1), pp.9-16.

Nurmasani, A. and Pristyanto, Y. (2021) ‘Algoritme Stacking Untuk Klasifikasi Penyakit Jantung Pada Dataset Imbalanced Class’, Pseudocode, 8(1), pp. 21–

26. doi: 10.33369/pseudocode.8.1.21-26.

Anshori, I.F. and Nuraini, Y. (2020) ‘Pengelompokan Data Kecelakaan Lalu Lintas di Kota Tasikmalaya Menggunakan Algoritma K-Means’, Jurnal Responsif : Riset Sains dan Informatika, 2(1). Available at:

https://doi.org/10.51977/jti.v2i1.198.

Cui, M. (2020) ‘Introduction to the K-Means Clustering Algorithm Based on the Elbow Method’, Accounting, Auditing and Finance, 1(1).

Fatimah, S. (2019) ‘Pengantar Transportasi’, Myria Publisher [Preprint].

Hutabarat, L.Y. et al. (2022) ‘Penerapan Algoritma K-Means Dalam Pengelompokan Jumlah Penduduk Berdasarkan Kelurahan Di Kota Pematangsiantar’, Jurnal Ilmu Komputer dan Teknologi, 2(2). Available at:

https://doi.org/10.35960/ikomti.v2i2.704.

Muningsih, E. and Kiswati, S. (2018) ‘Sistem Aplikasi Berbasis Optimasi Metode Elbow Untuk Penentuan Clustering Pelanggan’, Joutica, 3(1), p. 117.

Available at: https://doi.org/10.30736/jti.v3i1.196.

Nooraeni, R., Suprijadi, J. and Zulhanif (2019) ‘K-Prototype untuk Pengelompokan Data Campurab’, Jurnal Statistika Teori dan Aplikasi: Biomedics, Industry &

Business And Social Statistics, 13(1).

Nurmasani, A. and Pristyanto, Y. (2021) ‘Algoritme Stacking Untuk Klasifikasi Penyakit Jantung Pada Dataset Imbalanced Class’, Pseudocode, 8(1).

Available at: https://doi.org/10.33369/pseudocode.8.1.21-26.

Yildirim, M.F. et al. (2019) ‘k-prototype clustering algorithm for segmentation of primary care patients’, in IISE Annual Conference and Expo 2019.

Zai, C. (2022) ‘Implementasi Data Mining Sebagai Pengolahan Data’, Portal Data,

(3)

35

2(3).

Salsabila, N., 2019. Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang.

Wanto, A. et al., 2020. In T. Limbong, ed. Data Mining : Algoritma dan Implementasi. Yayasan Kita Menulis. pp.1-3.

Wibowo, T., 2018. Penerapan Data Mining Pemilihan Siswa Kelas Unggulan Dengan Metode K-Means Clustering Di SMPN 02 Tasikmadu.

Wijayanto, A., Suprapto, Y.K. & Wulandari, D.P., 2019. Clustering On Multidimensional Poverty Data Using PAM and K-Prototypes Algorithm (Case Study : Jambi Province 2017).

Yildrim, M.F., Aladeemy, M. & Khasawneh, M., 2019. K-Prototype Clustering Algorithm For Segmentation of Primary Care Patients.

Yuliana, L., 2019. Penerapan Algoritma K-Modes Clustering Untuk Pengelompokan Desa Rawan Kebakaran Di Provinsi Riau.

S.C. Satapathy et al. (eds.), ICT and Critical Infrastructure: Proceedings of the 48th Annual Convention of CSI - Volume II, Advances in Intelligent Systems and Computing 249

Sulistiani, H. (2018) ‘Penerapan Algoritma Klasifikasi Sebagai Pendukung Keputusan Pemberian Beasiswa Mahasiswa’, pp. 300–305. doi:

10.31227/osf.io/yuavj.

Sulthoni, A.S., Andreswari, R. & Hamami, F., 2020. Segmentasi Pelanggaran PT.

Telekomunikasi Seluler Indonesia Menggunakan Clustering Algoritma K- Prototype Dan Metode Elbow Sebagai Perumusan Strategi Marketing.

Yuliana, Y., Paradise, P. and Kusrini, K. (2021) ‘Sistem Pakar Diagnosa Penyakit Ispa Menggunakan Metode Naive Bayes Classifier Berbasis Web’, CSRID (Computer Science Research and Its Development Journal), 10(3), p. 127. doi:

10.22303/csrid.10.3.2018.127-138.

Referensi

Dokumen terkait

K-Means Clustering dan K-Nearest Neighbor adalah algoritma dalam data mining yang tergolong dalam unsupervised algorithm yang digunakan dalam proses pengelompokan

Berdasarkan Gambar 10, setelah dilakukan clustering awal dengan n_cluster = 9 pada algoritma K-Means, dilakukan proses Metode Elbow pada K-Means untuk diketahui nilai

Sistem klasterisasi data kecelakaan lalu lintas dengan metode K-Means dapat digunakan untuk mengelompokkan obyek jalan berdasarkan kesamaan karakteristik pada jumlah

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

Penulis Ai Rohmah, Falentino Sembiring, Adhitia Erfina Tahun 2021 Judul Implementasi algoritma k-means clustering analysis untuk menentukan hambatan pembelajaran daring Tujuan Untuk

IMPLEMENTASI DATA MINING UNTUK CLUSTERING DAERAH PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA TANGERANG SELATAN MENGGUNAKAN ALGORITMA K-MEANS Studi Kasus : Dinas Kesehatan Tangerang

3.2 Proses Data Mining dengan Algoritma K-means Clustering “Dengan ini, maka hasil analisa 3 variabel, yaitu status korban, jenis kekerasan, dan faktor penyebab, diperoleh informasi

Dalam jurnal ini peneliti melakukan penelitian tentang bagaimana pengelompokkan data pelanggan potensial menggunakan metode clustering algoritma k-means, dimana metode yang digunakan