CLARA (CLUSTERING LARGE APPLICATION) PADA DATA SIMULASI TRIVARIAT 1000 OBJEK

Grachella Yowanda Br Ginting, - (2018) CLARA (CLUSTERING LARGE APPLICATION) PADA DATA SIMULASI TRIVARIAT 1000 OBJEK. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_MAT_1305947_Title.pdf Download (443kB)
	Text S_MAT_1305947_Abstract.pdf Download (287kB)
	Text S_MAT_1305947_Table_of_Content.pdf Download (300kB)
	Text S_MAT_1305947_Chapter1.pdf Download (482kB)
	Text S_MAT_1305947_Chapter2.pdf Restricted to Staf Perpustakaan Download (690kB)
	Text S_MAT_1305947_Chapter3.pdf Download (301kB)
	Text S_MAT_1305947_Chapter4.pdf Restricted to Staf Perpustakaan Download (513kB)
	Text S_MAT_1305947_Chapter5.pdf Download (293kB)
	Text S_MAT_1305947_Bibliography.pdf Download (560kB)
	Text S_MAT_1305947_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Abstract

Analisis klaster merupakan salah satu metode multivariat untuk menggabungkan objek ke dalam beberapa kelompok atau klaster, di mana anggota klaster itu tidak diketahui sebelumnya. Dengan kata lain, analisis klaster merupakan analisis statistik yang digunakan untuk mengelompokkan n observasi ke dalam k buah klaster dengan setiap objek dalam klaster tersebut memiliki kemiripan yang tinggi dibandingkan objek antar klaster. Tidak dapat dipungkiri terkadang data yang akan diolah ke dalam beberapa klaster adalah data yang besar dan mengandung pencilan serta multikolinearitas. Untuk mengolah data tersebut, metode yang digunakan pada kajian ini adalah Clustering Large Applications (CLARA) yang sudah tahan terhadap pencilan, berkerja dengan baik pada himpunan data yang besar serta proses pengklasterannya lebih cepat. Proses pengambilan sampelnya secara acak dan pengolahan untuk menemukan medoid terbaiknya dengan PAM (Partitioning Around Medoids). Untuk validasinya dapat dilihat dari nilai rata-rata silhouette widht atau biasa disebut nilai silhouette coefficientnya. Silhouette coefficient menggabungkan ide cohesian dan separation di mana cohesian digunakan untuk mengukur seberapa dekat hubungan objek-objek pada klaster yang sama sedangkan separation digunakan untuk mengukur seberapa berbeda atau terpisahya sebuah klaster dengan klaster lainnya. Semakin tinggi nilai silhouette coefficient pada suatu analisis klaster maka semakin akurat pengelompokan objek tersebut dan kriteria pengujian yang dilakukan berdasarkan interpretasi Kaufmann dan Rousseeuw.;--Cluster analysis is one of the multivariate methods for incorporating objects into groups or clusters, where cluster members are not previously known. In other words, cluster analysis is a statistical analysis used to group n observations into k clusters with each object in the cluster having a high resemblance compared to clustered objects. It can not be denied that sometimes the data to be processed into multiple clusters is large data and contains both outlier and multicolinearity. To process the data, the method used in this study is Clustering Large Applications (CLARA) that has been resistant to outlier, work well on large data sets and clustering process faster. The process of random sampling and processing to find the best medoid with PAM (Partitioning Around Medoids). For validation can be seen from the average value of silhouette widht or so-called silhouette coefficientnya value. Silhouette coefficient combines cohesion and separation ideas in which cohesians are used to measure how closely the relationships of objects in the same cluster whereas separation is used to measure how different or clustered a cluster is with another cluster. The higher the value of silhouette coefficient in a cluster analysis the more accurate the grouping of the object and the criteria of the test based on the Kaufmann and Rousseeuw interpretations.

Item Type:	Thesis (S1)
Additional Information:	No. Panggil : S MAT GRA c-2018; Pembimbing : I. Dewi Rachmatin, II. Elah Nurlaelah; NIM : 1305947.
Uncontrolled Keywords:	Analisis Klaster, PAM, CLARA, Silhouette Coefficient, Cluster Analysis.
Subjects:	Q Science > QA Mathematics
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User:	Cintami Purnama Rimba
Date Deposited:	09 Aug 2019 06:58
Last Modified:	09 Aug 2019 06:58
URI:	http://repository.upi.edu/id/eprint/37425

Actions (login required)

View Item