Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means

Main Author: Yohannes, Yohannes
Format: Article info application/pdf Proceeding
Bahasa: eng
Terbitan: Annual Research Seminar (ARS) , 2017
Subjects:
Online Access: http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/829
http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/829/750
ctrlnum article-829
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means</title><creator>Yohannes, Yohannes</creator><subject lang="en-US">fuzzy c-means; k-means; klasterisasi; cluster data</subject><description lang="en-US">Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data. Teknik klasterisasi ini banyak digunakan pada bidang ilmu komputer khususnya pengolahan citra, pengenalan pola, dan data mining. Banyak sekali algoritma yang digunakan untuk klasterisasi data. Algoritma yang sering digunakan untuk klasterisasi data&#xA0; pada umumnya adalah Fuzzy C-Means dan K-Means. Algoritma Fuzzy C-Means merupakan algoritma klasterisasi dimana data dikelompokkan ke dalam suatu pusat cluster data dengan derajat keanggotaan masing-masing cluster. Sedangkan algoritma K-Means merupakan teknik mengelompokkan data dengan mempartisi data ke dalam beberapa cluster dengan menetapkan sejumlah objek data terdekatnya. Pada penelitian ini akan dilakukan perbandingan algoritma Fuzzy C-Means dan K-Means dalam hal klasterisasi data dengan jumlah klaster dan jumlah data yang berbeda.</description><publisher lang="en-US">Annual Research Seminar (ARS)</publisher><contributor lang="en-US"/><date>2017-01-09</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Other:</type><type>File:application/pdf</type><identifier>http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/829</identifier><source lang="en-US">Annual Research Seminar (ARS); Vol 2, No 1 (2016); 151-155</source><language>eng</language><relation>http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/829/750</relation><rights lang="en-US">Copyright (c) 2017 Annual Research Seminar (ARS)</rights><recordID>article-829</recordID></dc>
language eng
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
Other:
File:application/pdf
File
Journal:Proceeding
author Yohannes, Yohannes
title Analisis Perbandingan Algoritma Fuzzy C-Means dan K-Means
publisher Annual Research Seminar (ARS)
publishDate 2017
topic fuzzy c-means
k-means
klasterisasi
cluster data
url http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/829
http://seminar.ilkom.unsri.ac.id/index.php/ars/article/view/829/750
contents Klasterisasi merupakan teknik pengelompokkan data berdasarkan kemiripan data. Teknik klasterisasi ini banyak digunakan pada bidang ilmu komputer khususnya pengolahan citra, pengenalan pola, dan data mining. Banyak sekali algoritma yang digunakan untuk klasterisasi data. Algoritma yang sering digunakan untuk klasterisasi data pada umumnya adalah Fuzzy C-Means dan K-Means. Algoritma Fuzzy C-Means merupakan algoritma klasterisasi dimana data dikelompokkan ke dalam suatu pusat cluster data dengan derajat keanggotaan masing-masing cluster. Sedangkan algoritma K-Means merupakan teknik mengelompokkan data dengan mempartisi data ke dalam beberapa cluster dengan menetapkan sejumlah objek data terdekatnya. Pada penelitian ini akan dilakukan perbandingan algoritma Fuzzy C-Means dan K-Means dalam hal klasterisasi data dengan jumlah klaster dan jumlah data yang berbeda.
id IOS3672.article-829
institution Universitas Sriwijaya
institution_id 177
institution_type library:university
library
library Perpustakaan Universitas Sriwijaya
library_id 596
collection Annual Research Seminar
repository_id 3672
subject_area Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Teknologi Informasi
city KOTA PALEMBANG
province SUMATERA SELATAN
repoId IOS3672
first_indexed 2017-02-26T00:37:46Z
last_indexed 2017-02-26T00:37:46Z
recordtype dc
_version_ 1686002972188737536
score 17.610468