USSUSS

JIMSTEK: Jurnal Ilmiah Sains dan TeknologiJIMSTEK: Jurnal Ilmiah Sains dan Teknologi

Clustering merupakan salah satu contoh proses pengolahan data pada data mining, yaitu proses clustering dengan cara memisahkan sekumpulan data menjadi kelompok-kelompok atau cluster yang lebih kecil berdasarkan kesamaan karakteristik. Salah satu metode clustering dalam data mining adalah K-Means, metode K-Means mengolah data menjadi sejumlah cluster yang diinginkan dan data tersebut akan ditempatkan ke dalam cluster berdasarkan kedekatan centroid atau jarak ke masing-masing cluster. Metode K-Means konvensional mempunyai kekurangan yaitu pemilihan centroid awal bersifat acak sehingga dapat menghasilkan hasil yang berbeda-beda, sehingga pemilihan centroid awal dapat meningkatkan akurasi dalam proses clustering. Penentuan centroid awal dapat dilakukan dengan berbagai cara, salah satunya adalah Rank Order Centroid (ROC) yaitu suatu metode yang memberikan bobot pada setiap kriteria sesuai rangkingnya yang akan diberikan nilai berdasarkan tingkat prioritasnya. Penelitian ini membandingkan hasil evaluasi dengan metode Davies Bouldin Index (DBI), yaitu metode validasi cluster untuk metode pengelompokan. Hasil dari metode clustering menggunakan data biji gandum diperoleh nilai DBI K-Means menggunakan ROC sebesar 0.33350 dengan 4 kali iterasi pada 2 cluster.

Pengujian clustering dataset biji gandum menggunakan algoritma K-Means konvensional dan K-Means dengan ROC menghasilkan jumlah iterasi lebih sedikit di K-Means dengan ROC.Hasil akhir DBI untuk K-Means dengan ROC lebih rendah dibandingkan K-Means konvensional.Penggunaan ROC dalam menentukan centroid awal meningkatkan efektivitas dan akurasi proses clustering.Penelitian ini menunjukkan bahwa K-Means dengan ROC pada 2 cluster merupakan metode terbaik karena memiliki nilai DBI terdekat dengan nol dan jumlah iterasi lebih rendah.

Penelitian lanjutan dapat mengembangkan metode penentuan centroid awal dengan pendekatan hybrid yang menggabungkan ROC dengan teknik optimisasi lain seperti algoritma genetika untuk meningkatkan akurasi clustering. Selain itu, penelitian dapat dilakukan pada dataset yang lebih kompleks atau berbeda, seperti data citra medis atau data sensor, untuk menguji generalisasi metode ini. Studi juga dapat mengeksplorasi penggunaan indeks validasi alternatif selain DBI untuk mengevaluasi kualitas clustering, serta mengembangkan sistem otomatis yang mengintegrasikan proses pemilihan centroid dan validasi cluster secara real-time.

Read online
File size155.37 KB
Pages6
DMCAReport

Related /

ads-block-test