NOVOLULU, MOON RAINY (2021) CLUSTERING K-MEANS DENGAN OPTIMASI CENTROID MENGGUNAKAN ALGORITMA PILLAR PADA DATA DEPRESSION, ANXIETY AND STRESS SCALE. Other thesis, UPN “VETERAN” YOGYAKARTA.
Preview |
Text
DAFTAR PUSTAKA_MOON RAINY NOVOLULU_123160074.pdf Download (933kB) | Preview |
Preview |
Text
HALAMAN PENGESAHAN PEMBIMBING_MOON RAINY NOVOLULU_123160074.pdf Download (475kB) | Preview |
Preview |
Text
DAFTAR ISI_MOON RAINY NOVOLULU_123160074.pdf Download (953kB) | Preview |
Preview |
Text
ABSTRAK_MOON RAINY NOVOLULU_123160074.pdf Download (29kB) | Preview |
Text
SKRIPSI-FULL-MOON-RAINY-NOVOLULU-123160074.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Menerapkan algoritma K-Means dan optimasi nilai centroid menggunakan algoritma Pillar untuk klasterisasi data Depression, Anxiety and Stress Scale (DASS). Menghitung nilai performa algoritma K-means untuk Clustering dan performa algoritma Pillar K-means untuk Clustering.
Menggunakan algoritma K-means untuk clustering dan algoritma Pillar untuk menghasilkan nilai centroid yang optimal.
Berdasarkan implementasi dan hasil pengujian dengan Davies Bouldin Index (DBI) yang dilakukan, hasil menunjukkan bahwa menggunakan Algoritma K-means dengan Pillar menghasilkan nilai DBI terendah dibandingkan tanpa Pillar.
Berdasarkan penelitian terdahulu dengan tema yang sama, penelitian ini memiliki perbedaan dalam segi metode penelitian, hasil dari penelitian dan data yang digunakan dalam penelitian. Pada penelitian ini menggunakan pengujian performa pada algoritma K-means dan Algoritma K-means dengan Pillar menggunakan Davies Bouldin Index. Data yang digunakan dalam penelitian ini merupakan data tanpa label dari hasil respon survey terhadap DASS.
Kata Kunci : Klasterisasi, DASS, Algoritma K-means, Algoritma Pillar
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Klasterisasi, DASS, Algoritma K-means, Algoritma Pillar |
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
Depositing User: | Eko Yuli |
Date Deposited: | 13 Oct 2021 03:10 |
Last Modified: | 20 Dec 2022 07:06 |
URI: | http://eprints.upnyk.ac.id/id/eprint/26861 |
Actions (login required)
View Item |