OPTIMASI K-MEANS DENGAN LOCAL OUTLIER FACTOR UNTUK MENGATASI DATA OUTLIER Studi Kasus: Klasterisasi Performa Akademik Mahasiswa

RAHADI, MUHAMMAD ANJAR HARIMURTI (2023) OPTIMASI K-MEANS DENGAN LOCAL OUTLIER FACTOR UNTUK MENGATASI DATA OUTLIER Studi Kasus: Klasterisasi Performa Akademik Mahasiswa. Other thesis, UPN Veteran Yogyakarta.

[thumbnail of ABSTRAK_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf] Text
ABSTRAK_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf
Download (538kB)
[thumbnail of COVER_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf] Text
COVER_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf
Download (666kB)
[thumbnail of DAFTAR ISI_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf] Text
DAFTAR ISI_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf
Download (593kB)
[thumbnail of DAFTAR PUSTAKA_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf] Text
DAFTAR PUSTAKA_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf
Download (611kB)
[thumbnail of PENGESAHAN PEMBIMBING_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf] Text
PENGESAHAN PEMBIMBING_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf
Download (1MB)
[thumbnail of SKRIPSI FULL_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf] Text
SKRIPSI FULL_123180056_MUHAMMAD ANJAR HARIMURTI RAHADI.pdf
Restricted to Repository staff only
Download (5MB)

Abstract

Dalam machine learning, clustering adalah metode untuk menganalisis data
statistik dalam unsupervised learning. K-Means adalah metode yang sering digunakan
untuk mengelompokkan data dengan cepat dan sederhana dengan mencari kombinasi
variabel dan atribut objek. Namun, metode ini akan mengalami masalah jika data memiliki
outlier.
Dalam penelitian ini, metode Local Outlier Factor (LOF) digunakan untuk
mengatasi masalah anomali outlier yang diangkat oleh K-Means dengan mendeteksi
outlier berbasis kepadatan dengan menghitung local variance dari titik data tertentu. LOF
akan diterapkan setelah preprocessing data dan sebelum masuk proses clustering data K�Means.
Data dari kuisioner performa akademik mahasiswa sebanyak 210 data yang terbagi
dalam tiga cluster, digunakan untuk pengujian. Dengan terdeteksi sebanyak 38 data atau
18% data outlier. Penerapan LOF meningkatkan silhouette score sebesar 10,23%. Elbow
method juga digunakan dengan silhouette score untuk mendapatkan nilai K optimal = 3.
Kata kunci: K-Means, Local Outlier Factor, Klasterisasi, Outlier

Item Type: Thesis (Other)
Uncontrolled Keywords: K-Means, Local Outlier Factor, Klasterisasi, Outlier
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: A.Md Sepfriend Ayu Kelana Giri
Date Deposited: 14 Feb 2023 06:43
Last Modified: 14 Feb 2023 06:43
URI: http://eprints.upnyk.ac.id/id/eprint/32681

Actions (login required)

View Item View Item