1. Home
  2. Lainnya

Tinjauan Pustaka TINJAUAN PUSTAKA DAN DASAR TEORI

BAB II TINJAUAN PUSTAKA DAN DASAR TEORI

2.1 Tinjauan Pustaka

Asih 2008 meneliti tentang penerapan algoritma Fuzzy C-Means untuk pengelompokan penduduk berdasarkan kemampuan ekonominya. Penelitian ini menggunakan kriteria jumlah penghasilan, luas bangunan tempat tinggal dan rekening listrik sebagai atribut pengelompokan. Hasil dari penelitian ini berupa suatu aplikasi yang dapat mengelompokan penduduk menjadi 2 cluster yakni mampu dan tidak mampu, serta juga dapat mengelompokkan penduduk menjadi 4 cluster yaitu penduduk Pra Sejahtera, Keluarga Sejahtera I, Keluarga Sejahtera II dan Keluarga Sejahtera III. Ernawati dan Susanto 2009, meneliti tentang penerapan Fuzzy Clustering untuk pembagian kelas peserta kuliah . Penelitian ini menggunakan sampel 121 orang mahasiswa Jurusan Teknik Informatika Universitas Atma Jaya Yogyakarta yang menempuh perkuliahan Struktur Data Lanjut. Setiap mahasiswa dicirikan oleh dua atribut, yaitu nilai yang pernah mereka peroleh untuk dua mata kuliah prasyarat Algoritma dan Pemrograman dan Struktur Data. Dalam pembahasan untuk menilai anggota kelompok yang sah dan valid, menggunakan ukuran Fukuyama- Sugeno’s Fuzzy Cluster Validity Index. Hasil dari penelitian ini adalah pembagian kelas para peserta kuliah sebagai hasil penerapan algoritma Fuzzy Clustering terhadap data ke-121 peserta mata kuliah Struktur Data Lanjut untuk pelbagai kemungkinan jumlah kelas, dan rekomendasi peserta kelas yang valid. Luthfi 2007, meneliti tentang algoritma Fuzzy C-Means untuk Clustering Data Performance Mengajar Dosen Dalam penelitian tersebut dilakukan percobaan untuk mengetahui kemungkinan adanya cluster-cluster dari data performance mengajar dosen. Penelitian menggunakan beberapa kriteria sebagai acuan dalam proses clustering yaitu: penguasaan dan kemampuan dalam menjelaskan materi, kemampuan dalam menjawab pertanyaan, kemampuan dalam member motivasi mahasiswa, kemampuan dalam membuat suasana kelas menyenangkan dan kedisiplinan hadir dalam perkuliahan. Penelitian ini berhasil memunculkan beberapa custer data yang dapat dianalisis lebih lanjut persamaan dan perbedaannya. Dari 4 pusat cluster yang di set di awal iterasi, ada 2 cluster yang mempunyai nilai sama, yaitu cluster 3 dan cluster 4, dengan demikian hanya dihasilkan 3 buah cluster performance mengajar dosen.

2.2 Dasar Teori

Dokumen yang terkait

PERBANDINGAN ALGORITMA K-MEANS DAN FUZZY C-MEANS UNTUK PENGELOMPOKAN KEYPOINT DESCRIPTOR DALAM CITRA SIDIK JARI.

1 12 10

PENGELOMPOKAN SEKOLAH MENENGAH PERTAMA BERDASARKAN RATA-RATA NILAI UJIAN AKHIR NASIONAL DI KOTA BINJAI DENGAN ANALISIS HIERRARKHI CLUSTERING.

2 3 20

Implementasi algoritma Partitioning Around Medoids (PAM) untuk pengelompokan Sekolah Menengah Atas di DIY berdasarkan nilai daya serap Ujian Nasional.

0 0 2

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma K-Means Clustering.

1 1 87

Pengelompokan Sekolah Menengah Atas di Provinsi Daerah Istimewa Yogyakarta berdasarkan nilai Ujian Nasional menggunakan algoritma agglomerative hierarchical clustering.

11 55 123

Deteksi outlier untuk nilai ujian Sekolah Menengah Atas (Sma) menggunakan Algoritma Influenced Outlierness (INFLO).

0 1 373

Implementasi algoritma Partitioning Around Medoids (PAM) untuk pengelompokan Sekolah Menengah Atas di DIY berdasarkan nilai daya serap Ujian Nasional

7 43 133

PENENTUAN JURUSAN SEKOLAH MENENGAH ATAS DENGAN ALGORITMA FUZZY C MEANS

0 0 1

Pengelompokan Lagu Berdasarkan Emosi Menggunakan Algoritma Fuzzy C-Means

1 4 9

PENGELOMPOKAN KABUPATENKOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KEMISKINAN DENGAN C-MEANS DAN FUZZY C-MEANS

0 1 89