Wicaksono, Agung Satrio (2017) K-MEDIANS CLUSTERING. S1 thesis, Universitas Pendidikan Indonesia.
|
Text
S_MTK_1301777_Title.pdf Download (120kB) | Preview |
|
|
Text
S_MTK_1301777_Abstract.pdf Download (193kB) | Preview |
|
|
Text
S_MTK_1301777_Table_of_content.pdf Download (190kB) | Preview |
|
|
Text
S_MTK_1301777_Chapter1.pdf Download (264kB) | Preview |
|
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_MTK_1301777_Chapter2.pdf Restricted to Staf Perpustakaan Download (491kB) |
|
|
Text
S_MTK_1301777_Chapter3.pdf Download (346kB) | Preview |
|
|
Text
S_MTK_1301777_Chapter4.pdf Restricted to Staf Perpustakaan Download (502kB) |
|
|
Text
S_MTK_1301777_Chapter5.pdf Download (179kB) | Preview |
|
|
Text
S_MTK_1301777_Bibliography.pdf Download (261kB) | Preview |
|
|
Text
S_MTK_1301777_Appendix.pdf Restricted to Staf Perpustakaan Download (598kB) |
Abstract
Analisis klaster adalah salah satu metode interdependensi dalam analisis statistik multivariat yang mengelompokkan observasi ke dalam beberapa klaster. Susunan klaster yang baik akan mempunyai homogenitas yang tinggi antar anggota dalam satu klaster dan heterogenitas yang tinggi antar klaster. Terdapat dua metode pengelompokan dalam analisis klaster, yaitu metode hirarki dan non-hirarki. K-Means merupakan metode non-hirarki yang cukup terkenal dan paling banyak digunakan, namun karena menggunakan rata-rata sebagai centroid atau titik pusat klasternya, metode ini lebih sensitif terhadap keberadaan pencilan pada data. Di sisi lain, median adalah statistik deskriptif yang cenderung lebih tahan terhadap pencilan, sehingga berkembanglah metode yang dapat mengelompokkan data yang mengandung pencilan yaitu metode K-Medians, yang menggunakan median sebagai centroid. Sebagai contoh penerapan metode K-Medians digunakan pada data jumlah tenaga kesehatan menurut kabupaten/kota di Provinsi Jawa Barat tahun 2015 yang menghasilkan 5 klaster optimal dengan masing-masing karakteristik klasternya yang berbeda.;--- Cluster analysis is an interdependence multivariate statistic method that classify observations into several clusters. Good clusters will have a high homogeneity among members in a cluster and high heterogeneity between clusters. There are two methods of grouping in the cluster analysis, hierarchical and non-hierarchical clustering. K-Means clustering method is quite well known and most widely used, but because it uses the average as centroid, this method is more sensitive to outliers in the data. In the other hand, median is a descriptive statistic which more resistant to outliers, and K-Medians clustering is the solution. Use a median as the centroid, this method owes its use to robustness of the median as a statistic. As an example, application of this method used in the data on the number of health workers by district/city in Jawa Barat Province in 2015 that resulted five clusters optimal, with each clusters have different characteristics.
| Item Type: | Thesis (S1) |
|---|---|
| Additional Information: | No.panggil : S MTK WIC k-2017; Pembimbing : I.Dewi Rochmatin, II.Dadan Dasari. |
| Uncontrolled Keywords: | klaster, ukuran kemiripan, K-Medians Clustering, : cluster analysis, similarity, K-Medians clustering. |
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Pendidikan Matematika |
| Depositing User: | Mr mhsinf 2017 |
| Date Deposited: | 22 Jan 2018 01:48 |
| Last Modified: | 22 Jan 2018 01:48 |
| URI: | http://repository.upi.edu/id/eprint/28564 |
Actions (login required)
 |
View Item |