Sawitri, Kania (2018) Klasteran Data dengan Menggunakan Metode Monotetis (Studi Kasus pada Keluarga).

Preview

Text Pengklasteran Data dengan Menggunakan Metode Monotetis (Studi Kasus pada Data Keluarga.pdf Download (325kB) | Preview

Abstract

Pengelompokan pada data variabel biner diperlakukan secara khusus. Ide dasarnya adalah untuk memilih salah satu variabel dan membagi himpunan dari objek ke dalam objek-objek dengan dan tanpa berhubungan dengan atribut. Dalam masing-masing dua himpunan bagian, salah satu variabel yang tersisa dipilih dan digunakan dengan cara yang sama untuk membagi bagian ini menjadi dua kelompok yang lebih kecil. Proses dilanjutkan sampai salah satu subhimpunan berisi objek tunggal (singleton) atau sampai variabel yang tersisa tidak dapat dipisahkan kedalam subhimpunan yang lain [2]. Oleh karena himpunan dari objek dibagi menjadi subhimpunan dan proses ini dilanjutkan terus di dalam setiap subhimpunan, maka algoritma ini termasuk algoritma divisif. Selain itu, karena setiap pemisahan dilakukan menggunakan variabel tunggal, maka metodenya dinamakan monotetik. Bagian paling penting dari algoritma ini adalah bagaimana memilih variabel untuk dipisahkan dalam sebuah subhimpunan. Idenya adalah untuk memilih variabel yang jumlah similaritas (kemiripan) untuk semua variabel lain adalah sebesar mungkin. Ukuran yang dapat digunakan dalam pengukuran variabel biner adalah ukuran kemiripan/ukuran asosiasi. Pada artikel ini dibahas hasil kajian teoritis tentang pengklasteran data dengan menggunakan metode monotetis. Hasil kajian teoritis tersebut diterapkan pada sebuah data yaitu data keluarga (studi kasus pada 10 data biner untuk 8 orang (lihat [2])).

Actions (login required)

View Item