Ensembel Fuzzy, Ensembel Rock Pada Pengelompokan Pelamar Bidikmisi Sejawa Timur Tahun 2017

Laila Qadrini

Abstract


Permasalahan yang sering ditemui dalam analisis pengelompokan adalah data yang berskala campuran numerik dan kategorik. Metode yang seringkali dilakukan untuk pengelompokan data berskala campuran adalah dengan mentransformasi data kategorik menjadi data numerik atau sebaliknya. Selain pengelompokan dengan metode transformasi tersebut, dikembangkan sebuah metode pengelompokan ensembel untuk data campuran. Pengelompokan ensembel adalah teknik pengelompokan untuk menggabungkan hasil pengelompokan beberapa algoritma pengelompokan dengan tujuan untuk mendapatkan hasil kelompok yang lebih baik, berdasarkan indeks validitas internal kelompok yaitu nilai SSW, Rata-rata koefisien Silhouette dan nilai Indeks Dunn yang dianalisis untuk 2,3  dan 4 Kelompok, diperoleh bahwa metode Ensembel Fuzzy lebih baik dan tepat digunakan pada data campuran yang ada pada penelitian ini daripada metode pengelompokan Ensembel ROCK.

Keywords


Pengelompokan, Ensembel Fuzzy, Ensembel ROCK

References


Alvionita, (2017), Metode Ensembel Rock dan SWFM untuk pengelompokan data campuran kategorik dan numerik pada kasus aksesi jeruk, Tesis Program Magister FMIPA, Statistika, Institut Teknologi Sepuluh Nopember, Surabaya.

Azuaje, F., dan Nadia, B., (2001), "Improving Expression Data Mining through Cluster Validity", Departement of Computer Science. Trinity College Dublin. Irlandia.

Bolshakova, N., (2003), "Cluster Validity Algorithms", Departement of Computer Science.TrinityCollege Dublin Irlandia.

Dewangan, R. R., Sharma, L. K., dan

Akasapu, A. K., (2010), “Fuzzy Clustering Technique for Numerical and Categorical Dataset”, International Journal on Computer Science and Engineering, hal 75-80.

Guha, S., Rastogi, R., dan Shim, K., (2000), “ROCK: A Robust Clustering Algorithm for Categorical Attributes”, Proceedings of the 15th International Conference on Data Engineering.

He, Z., Xu, X., dan Deng, S., (2005a), “A Cluster Ensemble Method For Clustering Categorical Data”, Information Fusion, 6, hal 143-151.

He, Z., Xu, X., dan Deng, S., (2005a), “A Kelompok Ensemble Method For

Pengelompokan Categorical Data”, Information Fusion, 6, hal 143-151.

Huang, Z.X, “Pengelompokan Large Data Sets with Mixed and Numeric and Categorical values”, Proceedings of the 1st Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD ’97), hal. 21–34, 1997.

Johnson, R. A., dan Winchern, D. W., (2007), Applied Multivariate Statistical Analysis (sixth ed.), Pearson Education, Inc, New Jersey.

Suguna, J., dan Selvi, M. A., (2012), “Ensemble Fuzzy Pengelompokan for Mixed Numerical and Categorical Data”, International Journal of Computer Application, vol 42, no 3.

Suyanto, (2017), Data Mining untuk Klasifikasi dan Klasterisasi data, Informatika Bandung, Bandung.

Velmurugan, T., dan Santhanam, T., (2010), “Clustering Mixed Data Points using Fuzzy C-Means Algorithm for Performance Analysis”, International Journal on Computer Science and Engineering, vol. 2, no. 9.


Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Crossref Cited-by logo