PERBANDINGAN SILHOUETTE SCORE DALAM PENGELOMPOKKAN DATA DENGAN METODE K-MEANS DAN PSO K-MEANS Studi Kasus: Pengelompokkan Data Performa Content Writer

Gunawan, Alexandromeo Lawrence (2024) PERBANDINGAN SILHOUETTE SCORE DALAM PENGELOMPOKKAN DATA DENGAN METODE K-MEANS DAN PSO K-MEANS Studi Kasus: Pengelompokkan Data Performa Content Writer. Other thesis, UPN Veteran Yogyakarta.

[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf
Download (216kB)
[thumbnail of COVER.pdf] Text
COVER.pdf
Download (71kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf
Download (206kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf
Download (181kB)
[thumbnail of PENGESAHAN PEMBIMBING.pdf] Text
PENGESAHAN PEMBIMBING.pdf
Download (273kB)
[thumbnail of PENGESAHAN PENGUJI.pdf] Text
PENGESAHAN PENGUJI.pdf
Download (307kB)
[thumbnail of SKRIPSI FULL_ALEXANDROMEO LAWRENCE GUNAWAN.pdf] Text
SKRIPSI FULL_ALEXANDROMEO LAWRENCE GUNAWAN.pdf
Restricted to Repository staff only
Download (2MB)

Abstract

Content writer adalah sebuah profesi yang cukup banyak diminati di era sekarang. Dengan
adanya content writer yang berkualitas, maka perkembangan bisnis melalui media digital dapat
berkembang dengan pesat dan tepat sasaran. Namun, saat ini kualitas content writer masih
belum memiliki standar yang baku. Pengelompokkan content writer diharapkan dapat
mengetahui tingkat kualitas setiap content writer Penelitian ini menggunakan metode
pengelompokkan K-Means yang dioptimasi dengan metode Particle Swarm Optimization
(PSO).
K-Means merupakan metode dengan proses unsupervised learning yang dapat
mengelompokkan data secara cepat. Namun, metode ini akan tidak akurat jika inisialisasi titik
pusat cluster tidak digambarkan dengan baik. Dalam penelitian ini, metode K-Means akan
dioptimasi dengan menggunakan metode Particle Swarm Optimization (PSO). PSO akan
diterapkan pada data yang telah dikelompokkan dengan metode K-Means dan kemudian akan
dibandingkan dengan data yang tidak dioptimasi dengan PSO.
Kata kunci: Klasterisasi, Particle Swarm Optimization, K-Means Clustering, Silhouette
Score

Item Type: Thesis (Other)
Uncontrolled Keywords: Klasterisasi, Particle Swarm Optimization, K-Means Clustering, Silhouette Score
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: 30 May 2024 04:30
Last Modified: 30 May 2024 04:30
URI: http://eprints.upnyk.ac.id/id/eprint/39554

Actions (login required)

View Item View Item