Peningkatan Hasil Clustering Menggunakan Algortima Enhanced K-Means Dan Dynamic Cluster (Studi Kasus: Pengelompokan Metode Pelatihan Sepak Bola)

Ardan Febrianto, Hilzan (2017) Peningkatan Hasil Clustering Menggunakan Algortima Enhanced K-Means Dan Dynamic Cluster (Studi Kasus: Pengelompokan Metode Pelatihan Sepak Bola).

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

Abstract

Untuk menentukan metode pelatihan sepak bola yang tepat bagi para pemain muda binaan disuatu sekolah sepak bola, diperlukan pengelompokkan data kemampuan pemain berdasarkan kemiripan antar titik datum, sehingga dapat ditemukan kelompok-kelompok dengan karakteristik tertentu yang dapat disesuaikan dengan metode pelatihan sepak bola yang tepat. Teknik yang dapat digunakan untuk melakukan pengelompokkan pada data kemampuan pemain adalah clustering. Clustering secara strukturnya terbagi menjadi dua yaitu hierarki dan partisi, keduanya memiliki keunggulan dan kelemahan masing-masing. Beberapa algoritma yang berusaha memperbaiki kelemahan pada algoritma clustering diantaranya adalah algoritma Enhanced K-Means yang mampu menentukan titik pusat awal terbaik dan mengelompokkan data ke dalam cluster yang tepat namun masih memerlukan penentuan dugaan jumlah cluster. Kemudian algoritma Dynamic Cluster yang dapat menduga jumlah cluster terbaik. Masing-masing algoritma memiliki keunggulan dan kelemahan yang berbeda, sehingga penelitian ini mengusulkan untuk menggabungkan algoritma Enhanced K-Means dan Dynamic Cluster (DEKM). Algoritma Enhanced KMeans bekerja untuk menentukan titik pusat terbaik sedangkan Dynamic Cluster menentukan dugaan jumlah cluster. Algoritma DEKM akan diimplementasikan pada data model untuk mengetahui karakteristik dari algoritma, kemudian diimplementasikan pada data kasus yang bertujuan untuk membuktikan algoritma yang tepat dalam menyelesaikan kasus. Dalam penilitian ini terlihat bahwa DEKM dapat meningkatkan hasil cluster pada pengukuran Davies-Bouldin Index (DBI) di jumlah data ≥ 384 dan jumlah atribut ≥ 9. Hal ini dapat dibuktikan ketika DEKM diimplementasikan pada kasus pengelompokkan metode pelatihan sepakbola yang menghasilkan cluster dengan nilai DBI terbaik.

Item Type: Article
Uncontrolled Keywords: Clustering, Enhanced K-Means, Dynamic Cluster.
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/53294

Actions (login required)

View Item View Item