Penerapan Algoritma K-Modes Clustering Dengan Validasi Davies Bouldin Index Pada Pengelompokkan Tingkat Minat Belanja Online Di Provinsi Daerah Istimewa Yogyakarta

Az-zahra, Alyeska Astri; Marsaoly, Almira Fajriyati; Lestyani, Intan Putri; Salsabila, Roghibah; Madjida, Wa Ode Zuhayeni

doi:10.24252/msa.v9i1.18555

Cited by 3 publications

(4 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Langkah ini dilakukan dengan cara mengurangi variasi data di dalam suatu Cluster dan, sebaliknya, meningkatkan variasi data di Cluster yang berbeda. [8] [9]. Menghitung Indeks Davies-Bouldin (DBI) dengan maksud mendapatkan nilai K yang paling optimal.…”

Section: K-meansunclassified

Implementasi Algoritma K-Means Clustering Dalam Mengelompokkan Kepadatan Penduduk Di Provinsi Dki Jakarta

Oktaviany,

Suarna,

Prihartono

2024

jati

View full text Add to dashboard Cite

Provinsi DKI Jakarta adalah salah satu wilayah dengan tingkat populasi yang tinggi di Indonesia, dengan populasinya yang sangat beragam, termasuk penduduk asli, pendatang dari berbagai daerah di Indonesia, serta warga negara asing yang tinggal di wilayah DKI Jakarta. Permasalahan kepadatan disebabkan karena faktor urbanisasi serta pekerjaan. Oleh karena itu penerapan algoritma K-Means Clustering untuk mengelompokkan tingkat kepadatan penduduk di Provinsi DKI Jakarta merupakan fokus utama penelitian ini. Tujuan dari penelitian ini adalah mengenali pola kepadatan penduduk di berbagai wilayah DKI Jakarta dengan metode algoritma K-Means Clustering. Data yang digunakan melibatkan informasi seperti jumlah penduduk, nama kelurahan, nama kecamatan dan variabel terikat lainnya. Pendekatan ini digunakan untuk mengelompokkan wilayah berdasarkan tingkat kepadatan penduduknya, sehingga dapat memberikan pemahaman yang lebih mendalam mengenai sebaran penduduk di seluruh wilayah DKI Jakarta. Melalui implementasi algoritma K-Means ini, penelitian berhasil mengelompokkan menjadi beberapa kategori kepadatan penduduk dari 2018-2020. Berdasarkan hasil evaluasi menunjukkan dua jumlah kelompok optimal, yaitu kelompok pertama padat terdapat pada kelurahan Kali Anyar kecamatan Tambora dengan kepadatan penduduk 95676.10063 jiwa/km pada tahun 2019 dan kelompok kedua adalah rendah pada kelurahan P.harapan kecamatan Kep.Seribu Utr dengan jumlah kepadatan 1045.276234 jiwa/km pada tahun 2018. Tujuan dari penelitian pengelompokan kepadatan penduduk menggunakan metode algoritma K-Means ini dapat memberikan informasi yang bermanfaat bagi perkembangan penduduk di Provinsi DKI Jakarta, serta bisa menjadi landasan bagi pemerintah terkait dalam perkembangan wilayah yang lebih efisien terkait alokasi sumber daya di Provinsi DKI Jakarta.

show abstract

Section: K-meansunclassified

Implementasi Algoritma K-Means Clustering Dalam Mengelompokkan Kepadatan Penduduk Di Provinsi Dki Jakarta

Oktaviany,

Suarna,

Prihartono

2024

jati

View full text Add to dashboard Cite

show abstract

“…Nilai DBI mengevaluasi cluster dengan melihat mutu dan range jarak antar anggota cluster [22]. Semakin rendah hasil nilai dbi yang didapatkan (non-negatif>=0), clsuter yang dihasilkan akan semakin baik [23].…”

Section: Evaluasiunclassified

“…data data historical price data of 8 edible oils (commudity), dalam empat model kelompok yaitu model dua kelompok model tiga kelompok model empat kelompokdan model lima kelompok. Dilihat dari hasil performance nilai dbi diperoleh model kelompok terbaik adalah model kelompok 2 dengan nilai dbi terendah dan bernilai positif (non-negatif)[23], yaitu 0.000. Cluster yang dihasilkan dari model kelompok 2 pada cluster 0 dengan oliv oil price (minyak zaitun) sebagai anggota kelompok dengan harga Tinggi, sedangkan pada cluster 1 terdapat coconut oil price (minyak kelapa), palm kernel oil price (minyak inti kelapa sawit), palm oil price (minyak kelapa sawit), peanut oil price (minyak kacang tanah), soybean oil price (minyak kacang kedelai) repeseed oil price dan sunflower oil price (minyak biji bunga matahari).…”

unclassified

Implementasi K-Medoids Clustering Dalam Pengelompokkan Harga 8 Jenis Minyak Goreng

Nasari,

2023

SINTECH Journal

View full text Add to dashboard Cite

In everyday life, cooking oil has become a necessity with international sales prices varying depending on the quality and type. The types of cooking oil sold in the international market are very diverse, including coconut, olive, palm kernel oil, palm oil, peanuts, rapeseed, soybeans and sunflower. Therefore, it is necessary to group data on selling prices of cooking oil on the international market to get the best grouping of cooking oil. The data used in this research is historical price data of 8 edible oils kaggle August 1992 to July 2022. Data grouping in this research uses the k-medoids algorithm. The k-medoids algorithm produces a more balanced group, better performance and accuracy than other algorithms. The aim of this research is that the k-medoids algorithm is able to group cooking oil price data into 4 group models, namely group models 2, 3, 4 and 5 and obtain the best group model based on the dbi value. The research results showed that the cooking oil price data was successfully grouped into group 2, 3, 4 and 5 models with the best group based on the lowest dbi performance value being the group 2 model with a dbi value of 0,000 and olive oil being the cooking oil with the highest price in the world while 7 types other cooking oils have more or less the same price (in the same price group).

show abstract

“…Dalam penelitian ini penulis menggunakan alat ukur untuk klasterisasi menggunakan Davies Bouldin Index (DBI) dimana akurasi data klaster dengan jarak titik-titik cluster yang paling kecil [18]. Nilai DBI menunjukan Cluster yang paling Optimal [19] untuk formula DBI dijabarkan sebagai berikut:…”

Section: Davies Bouldin Index (Dbi)unclassified

Analisa dan Penerapan Metode Algoritma K-Means Clustering Untuk Mengidentifikasi Rekomendasi Kategori Baru Pada List Movie IMDb

Situmorang¹,

Arifin²,

Rusilpan³

et al. 2022

mib

View full text Add to dashboard Cite

IMDb (Internet Movie Database) is a comprehensive website that offers information about movies from all over the world, as well as various information about director, actor, actress, and writer biographies and award nominations. Visitors to the IMDb website can browse ratings and reviews based on the movies they plan to watch. Top 250 Movies and Most Popular Movies are two categories on IMDb. Because the results of the highest rating and the largest votes are only displayed based on the highest order of votes or ratings, the two existing categories are judged less useful and irrelevant to the suggestions for visitors to choose and decide on a film. This is due to the results of the highest rating and the most numerous votes, as determined by the highest ruling on either the votes or the rating. As a result of this, data mining with the K-means clustering algorithm is used to geolocate data in order to view data and accuracy using Davies-Bouldin Index (DBI) to combine ratings and votes with average approach to determine the centroid. Based on the results of this study, it is concluded that the DBI population with the highest accuracy is Cluster K=2 with population 509, with a score of 0.456, based on the voting and rating information, it can be deduced that a new category of movies called Best Recommended Movie is being recommended to potential moviegoers on the imdb.com website.

show abstract

Penerapan Algoritma K-Modes Clustering Dengan Validasi Davies Bouldin Index Pada Pengelompokkan Tingkat Minat Belanja Online Di Provinsi Daerah Istimewa Yogyakarta

Cited by 3 publications

References 4 publications

Implementasi Algoritma K-Means Clustering Dalam Mengelompokkan Kepadatan Penduduk Di Provinsi Dki Jakarta

Implementasi Algoritma K-Means Clustering Dalam Mengelompokkan Kepadatan Penduduk Di Provinsi Dki Jakarta

Implementasi K-Medoids Clustering Dalam Pengelompokkan Harga 8 Jenis Minyak Goreng

Analisa dan Penerapan Metode Algoritma K-Means Clustering Untuk Mengidentifikasi Rekomendasi Kategori Baru Pada List Movie IMDb

Contact Info

Product

Resources

About