Implementasi Algortima C-Means Dan Algoritma Mixture Dalam Pengclusteran Data Mahasiswa Drop Out
DOI:
https://doi.org/10.53842/juki.v4i2.127Keywords:
Clustering, Algoritma C-Means, Algoritma MixtureAbstract
Clustering merupakan salah satu metode machine learning dan termasuk dalam unsupervised learning. Tujuan dari clustering yaitu mencari pola data yang mirip sehingga memiliki kemungkinan dalam mengelompokan data data yang mirip. Banyak Algoritma yang dapat digunakan untuk melakukan proses clustering data. Algoritma C-Means dan algoritma Mixture merupakan bentuk algoritma yang dapat digunakan dalam melakukan proses clustering data.. Algoritma C-Means adalah suatu tehnik pengklusteran data yang mana keberadaan tiap – tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan. Sedangkan Algoritma Mixture merupakan salah satu jenis data clustering dimana dalam permodelannya, data dalam satu kelompok diasumsikan terdistribusi sesuai dengan salah satu jenis distribusi statistik yang ada. Pada penelitian ini akan dilakukan perbandingan antara Algoritma C-Means dan Algoritma Mixture dalam hal klasterisasi data mahasiswa drop out, dengan melihat hasil performance vector yang di hasilkan pada metode c-means yaitu avg.within centroid distance pada setiap cluster , Sedangkan pada algoritma mixture melihat hasil performance vector dan jumlah number of clusters.
Downloads
References
. Adnyana, B, M, I., 2015, Segmentasi Citra Berbasis Clustering Menggunakan AlgoritmaFuzzy C-Means dan CAT Swarm Optimization, Thesis, Magister Tehnik Elektro, Universitas Udayana, Denpasar
. Afifah, N., dkk., 2016, Pengklasteran Lahan Sawah Di Indonesia Sebagai Evaluasi Ketersediaan Produksi Pangan Menggunakan Fuzzy C-Means, Jurnal Matematika “MANTIK”, ISSN: 2527-3159, E-ISSN: 2527-3167, Vol. 02, No. 01, Oktober 2016
. Agusta, Y, 2007, K-Means Penerapan, Permasalahan dan Metode Terkait, Journal Sistem dan Informatika Vol. 3, Februari 2007
. Gupta, S., Vinay, B., 2015, GMMC: Gaussian Mixture Model Based Clustering Hierarchy Protocol In Wireless Sensor Network, International Journal Of Scientific Engineering And Research (IJSER), ISSN: 2347-3878, Impact Factor (2014): 3.05, Vol. 3, Issue 7, July 2015
. Hermawati, F.A.,2013, Data Mining, Andi Yogya, Yogyakarta
. Khoirunnisak, M., Iriawan, N., Pemodelan Faktor – Faktor Yang Mempengaruhi Mahasiswa Berhenti Studi (Drop Out) Di Institut Teknologi Sepuluh November Menggunakan Analisis Bayesian Mixture Survival, Paper, StatistikaFMIPA-ITS
. Kusrini,. Emha, 2009, Algoritma Data Mining , Andi Yogya, Yogyakarta
. Kusumadewi, S,.Purnomo, H,.2004, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta
. Mathew, M, 2015, CCTS With Two Clustering Techniques For Time Synchronization In Wireless Sensor Network, International Journal Of Scientific Engineering And Research (IJSER), ISSN: 2347-3878, Vol. 3, ISSUE. 9, September 2015
. Nurhayati, S.,dkk., 2015, Prediksi Mahasiswa Drop Out Menggunakan Metode Support Vector Machine, Jurnal Ilmiah SISFOTENIKA, Vol. 5, No. 1, Januari 2015
. Nurjanah, dkk., 2014, Implementasi Metode Fuzzy C-Means Pada Sistem Clustering Data Varietas Padi, Kumpulan Jurnal Ilmu Komputer (KLIK), ISSN: 2406-7857, Vol. 01, No. 01, September 2014
. Purwanto, dkk,.2008, Perancangan dan Analisis Algoritma, Graha Ilmu, Yogyakarta
. Sari, H, L.,Suranti, D.,2016, Perbandingan Algoritma Fuzzy C-Means dan Algoritma Mixture Dalam Penclusteran Data Curah Hujan Kota Bengkulu, Seminar Nasional AplikasiTeknologi Informasi (SNATi) Yogyakarta, ISSN: 1907-5022, 6 Agustus 2016
. Wijaya, K, A., Implementasi Data Mining dengan Algoritma Fuzzy C-Means Studi Kasus Penjualan di UD Subur Baru, Paper Fasilkom Udinus, Semarang