2020
DOI: 10.51920/jd.v9i2.120
|View full text |Cite
|
Sign up to set email alerts
|

Penerapan Data Mining Untuk Koperasi Se-Jawa Barat Menggunakan Metode Clustering pada Kementerian Koperasi dan UKM

Abstract: Penelitian ini bertujuan untuk menegelompokan data koperasi di Jawa Barat.Metode kalster yang digunakan dalam penelitian ini adalah K-Means, dalam klaster K-Means memiliki tingkat akurasi yang baik.Penelitian ini mengkaji bagaimana penggunaan metode K-means dalam studi kasus koperasi di Jawa Barat. Dari hasil pengelompokan menggunakan metode K-Means berdasarkan nilai Modal Sendiri, Modal Luar dan Volume Usaha, maka dihasilkan 3 klaster dengan nilai klaster tinggi, sedang dan rendah. Berdasarkan hasil tersebut … Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
3
1

Citation Types

0
1
0
3

Year Published

2021
2021
2024
2024

Publication Types

Select...
4

Relationship

1
3

Authors

Journals

citations
Cited by 4 publications
(4 citation statements)
references
References 8 publications
0
1
0
3
Order By: Relevance
“…Algorithm K-means is one of the algorithms with partitional because K-means is based on determining the initial number of groups by defining their initial centroid values. K-means clustering is one of the data methods clustering non-hierarchy, which groups data in one or more forms of cluster/ group [22]. Through clustering, this will be known information or knowledge from a large data set [23].…”
Section: Methodsmentioning
confidence: 99%
“…Algorithm K-means is one of the algorithms with partitional because K-means is based on determining the initial number of groups by defining their initial centroid values. K-means clustering is one of the data methods clustering non-hierarchy, which groups data in one or more forms of cluster/ group [22]. Through clustering, this will be known information or knowledge from a large data set [23].…”
Section: Methodsmentioning
confidence: 99%
“…Dalam menentukan perhitungan data atau cluster, diperlukan perhitungan yang tepat guna menghasilkan cluster yang valid. Oleh karena itu, untuk menghitung jarak antara semua data dengan setiap titik pusat cluster, dapat memanfaatkan rumus jarak Euclidean yang dirumuskan sebagai persamaan berikut ini [14].…”
Section: Metodeunclassified
“…Metode K-Means adalah suatu pendekatan pengelompokkan data yang bersifat non-hierarchial dan umumnya digunakan, yang cukup sederhana untuk mengelompokkan data dalam jumlah besar. Algoritma K-means merupakan salah satu algoritma dengan partitional, karena K-Means didasarkan pada penentuan jumlah awal kelompok dengan mendefinisikan nilai centroid awalnya [11]. Selain itu Data clustering, atau pengelompokan data, adalah teknik dalam analisis data yang bertujuan untuk mengelompokkan objek-objek data yang serupa ke dalam kelompok-kelompok yang saling berbeda [2].…”
Section: Metode K-meansunclassified