1. Home
  2. Pendidikan

Hasil Proses SVC METODOLOGI PENELITIAN

terlihat sebagai bentuk bola, untuk mendapatkan klaster data yang sesuai dilakukan pencarian bentuk bola yang minimal.

4.4. Hasil Proses SVC

Pada gambar 4.2 menunjukkan bahwa setelah dilakukan pengklasteran dengan menggunakan metode SVC didapat waktu berkisar 11:21 menit. Meta data View Proces sing time Perfor mance Vector Gambar 4.2. Hasil klastering dengan proses SVC Pada proses dengan Support Vector Clustering SVC menunjukkan kecepatan pengklasteran data yakni judul tugas akhir mahasiswa AMIK Tunas Bangsa Pematangsiantar hasil klasteringnya didapat waktu 11:21 menit, dengan klaster yang lebih baik. Ini dapat dilihat pada gambar 4.2.1 berikut ini : 11:21 Universitas Sumatera Utara Model klaster SVC Hasil cluster dengan scatter matrix Gambar 4.2.1. Model Klaster dari ALgoritma SVC Universitas Sumatera Utara Pada pengklasteran menggunakan metode SVC diambil Scatter Matrix dan berdasarkan judul dapat dilihat pada gambar 4.3 berikut ini : Gambar 4.3. Hasil klastering SVC berdasarkan judul dengan Scatter Matrix Berikutnya adalah hasil klastering SVC berdasarkan klasifikasi dapat dilihat pada gambar 4.4. berikut ini : Gambar 4.4. Hasil klastering SVC berdasarkan klasifikasi dengan Scatter Matrix Universitas Sumatera Utara Selanjutnya hasil klastering dari SVC berdasarkan Nim dapat dilihat pada gambar 4.5 sebagai berikut : Gambar 4.5. Hasil klastering SVC berdasarkan Nim dengan Scatter Matrix Kemudian dilanjutkan dengan pengklasteringan dengan SVC berdasarkan tahun akademik dapat dilihat pada gambar 4.6 berikut ini : Gambar 4.6. Hasil klastering SVC berdasarkan Tahun Akademik dengan Scatter Matrix Universitas Sumatera Utara Untuk melihat hasil klastering baik proses SVC maupun proses K-Medoids ditemukan pengklasteran yang dapat dilihat pada tabel berikut : Dari tabel diatas dapat dilihat jumlah daripada pengklasteran judul tugas akhir mahasiswa AMIK Tunas Bangsa Pematangsiantar dengan database berjumlah 1708 dan web programming berjumlah 311, selanjutnya dapat juga dilihat beberapa proses klaster berdasarkan judul dan klasifikasi, tahun, nim dan nama yang dapat dilihat pada gambar 4.7 berikut ini : Gambar 4.7. Hasil klastering SVC didapat berdasarkan Klasifikasi Universitas Sumatera Utara Gambar 4.8. Hasil klastering SVC didapat berdasarkan Tahun Gambar 4.9. Hasil klastering SVC didapat berdasarkan Nim Universitas Sumatera Utara Gambar 4.10. Hasil klastering SVC didapat berdasarkan Nama Universitas Sumatera Utara

4.5. Proses K-Medoids

Dokumen yang terkait

Penerapan Teknik Data Mining Dengan Metode Smooth Support Vector Machine (SSVM) Untuk Memprediksi Mahasiswa Yang Berpeluang Drop Out (Studi Kasus Mahasiswa Politeknik Negeri Medan)

26 198 66

Penggunaan Metode Support Vector Machine (SVM) Untuk Mengklasifikasi dan Memprediksi Angkutan Udara dan Jenis Penerbangan Domestik dan Internasional di Banda Aceh

16 118 58

Analisis Perbandingan Teknik Support Vector Regression (SVR) Dan Decision Tree C4.5 Dalam Data Mining

13 83 69

OPTIMASI ALGORITMA SUPPORT VECTOR MACHIN

0 0 12

PERBANDINGAN ALGORITMA SUPPORT VECTOR MA

0 0 70

PENERAPAN K-MEANS DAN K-MEDOIDS CLUSTERING PADA DATA INTERNET BANKING DI BANK XYZ APPLICATION OF K-MEANS AND K-MEDOIDS CLUSTERING ON INTERNET BANKING DATA IN XYZ BANK

0 1 8

Clustering Tagg Status Facebook Dengan Menggunakan Algoritma K-MEDOIDS

0 0 12

Perbandingan K-Means dan K-Medoids Clustering terhadap Kelayakan Puskesmas di DIY Tahun 2015

1 9 7

PERANCANGAN DAN ANALISIS CLUSTERING DATA MENGGUNAKAN METODE K-MEDOIDS UNTUK BERITA BERBAHASA INGGRIS DESIGN AND ANALYSIS OF DATA CLUSTERING USING K-MEDOIDS METHOD FOR ENGLISH NEWS

0 0 9

ANALISIS PERBANDINGAN ALGORITMA SUPPORT VECTOR CLUSTERING (SVC) DAN K-MEDOIDS PADA KLASTER DOKUMEN TESIS SUHADA 117038037

0 0 14