Warning: Creating default object from empty value in /var/www/html/rbti/lib/lang/php-gettext/gettext.inc on line 148
Implementasi Metode Support Vector Clustering untuk Pengklasteran Produk
 
 
 
Select Language
Simple Search
Advanced Search
Title : Author(s) :
  • SEARCHING...
Subject(s) :
  • SEARCHING...
Pembimbing : Publish Year : GMD : Collection Type :
RECORD DETAIL
Back To Previous  
Title Implementasi Metode Support Vector Clustering untuk Pengklasteran Produk
Edition
Call Number 2009/II/25
ISBN/ISSN
Author(s) Mochammad Junirto
Subject(s) Clustering
Data Mining
Support Vector Clustering
Classification 006
Series Title
GMD Tugas Akhir
Language Indonesia
Publisher Jurusan Teknik Industri FTI-ITS
Publishing Year 2009
Publishing Place Surabaya
Collation
Abstract/Notes
Specific Detail Info Seiring dengan meningkatnya pertumbuhan teknologi, jumlah data yang dikumpulkan dan disimpan dalam suatu database meningkat secara drastis. Data ini dapat berasal dari berbagai macam sumber, seperti aplikasi finansial, Enterprise Resource Management (ERM), Customer Relationship Management (CRM), dan lain-lain. Data-data tersebut, bila diolah dapat digunakan untuk menunjang proses pengambilan keputusan. Mengacu dari skema diatas, penelitian ini fokus pada isu aplikasi metode data mining pada kasus pengelompokan data (clustering). Dengan terdapatnya data dalam skala besar, memungkinkan peranan metode data mining dalam hal proses segmentasi melalui clustering yang dapat mengelompokkan data ke dalam beberapa kelompok (cluster) yang diinginkan. Adapun metode data mining yang digunakan salah satunya adalah Support Vector Clustering (SVC). Hasil proses clustering dengan menggunakan metode SVC nantinya akan diperbandingkan dengan metode lain untuk didapatkan metode terbaik dalam proses clustering. Dari proses pengolahan data didapatkan bahwa untuk ukuran performansi masing-masing metode diperoleh bahwa metode SVC lebih baik daripada metode Kernel K-Means dalam pengelompokan data dengan nilai Vw/Vb lebih kecil yaitu 0.0024 bila dibangingkan dengan metode Kernel K-Means yaitu sebesar 0.109. Kata kunci : Clustering, Support Vector Clustering, Kernel K-Means.
Image
File Attachment
LOADING LIST...
Pembimbing Ir. Budi Santosa, M.S., Ph.D
Volume 1
Availability
LOADING LIST...
  Back To Previous