Peningkatan Hasil Clustering Menggunakan Algoritma Dynamic-K-Means Dan K-Means Binary Search Centroid

Akbari, Gumilar (2017) Peningkatan Hasil Clustering Menggunakan Algoritma Dynamic-K-Means Dan K-Means Binary Search Centroid.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Pada studi kasus segmentasi pelanggan, data yang digunakan untuk segmentasi memiliki atribut data yang terdiri dari Recency, Frequency, dan Monetery dan memiliki jumlah 500 data. Untuk membentuk segmentasi pelanggan dapat digunakan teknik clustering. Clustering adalah proses untuk mengelompokkan datum ke dalam sejumlah cluster (kelompok data). Dalam penelitian ini ingin mengetahui algoritma clustering apa yang cocok untuk digunakan pada studi kasus segmentasi pelanggan. Salah satu teknik Clustering adalah teknik clustering partisi, algoritma clustering yang digunakan pada penelitian ini yaitu algoritma Dynamic K-means (DK) dan K-means Binary Search Centroid (KBSC). Pada algoritma Dynamic Kmeans memiliki kemampuan untuk mencari jumlah Cluster, namun memiliki kekurangan dalam penentuan titik centroid (pusat cluster), sedangkan algoritma KBSC memiliki kemampuan untuk menentukan titik centroid Cluster, namun memiliki kekurangan dalam mencari jumlah Cluster. Pada penelitian ini menggabungkan kedua algoritma antara algoritma DK dan KBSC dan akan diujikan pada data model buatan yang bertujuan untuk melihat karakteristik dari algoritma, dan diujikan pada data studi studi kasus yang bertujuan untuk mengetahui kemampuan algoritma dalam menyelasaikan kasus segmentasi pelanggan. Berdasarkan pengukuran Devies Bouldin Index (DBI) algoritma gabungan DK-KBSC menghasilkan nilai DBI lebih baik dibandingkan algoritma lainnya.saat diimplementasikan pada data kasus segmentasi pelanggan.

Item Type: Article
Uncontrolled Keywords: Segmentasi pelanggan, Clustering, Dynamic K-Means, K-means, Binary Search Centroid.
Subjects: S2 Thesis > Magister Sistem Informasi > 2017
Divisions: Universitas Komputer Indonesia > Perpustakaan UNIKOM
Date Deposited: 10 Nov 2017 03:32
Last Modified: 10 Nov 2017 03:32
URI: https://repository.unikom.ac.id/id/eprint/53291

Actions (login required)

View Item View Item