No image available for this title

Text

Implementation of K-Means and Agglomerative Hierarchical Methods to House Clusterization



Masyarakat secara umum akan berpendapat jika membangun rumah dengan luas bangunan lebih besar akan menghabiskan biaya lebih mahal dari pada membangun rumah dengan luas bangunan lebih kecil. Pandangan tersebut tidak selalu benar karena bebapa faktor yang mempengaruhi besar kecilnya biaya tergantung dari luas bangunan, perbandingan campuran antara semen, pasir dan kapur, kwalitas bahan bangunan yang digunakan sehingga akan mempengaruhi biaya yang harus dipersiapkan. Berdasarkan kasus tersebut maka peneliti mengelompokkan data (clustering) menggunakan eucludian distance untuk mengukur jarak antar titik. Mengelompokkan 200 data berdasarkan 2 fitur yaitu fitur jumlah semen dan jumlah biaya yang belum punya label. Hasil penelitian menunjukkan clustering dengan metode K-Means mampu mengelompokkan 200 data kedalam 3 kelompok dengan hasil kelompok satu sebanyak 50 data, kelompok 2 sebanyak 50 data, kelompok 3 sebanyak 100 data dengan waktu komputasi sebesar 0,444 detik dan silhouette 0,82 sedangkan hasil penelitian clustering menggunakan metode Agglomerative Hierarchical dengan single linkage menunjukkan data dikelompok 1 sebanyak 100 data, kelompok 2 sebanyak 50 data, kelompok 3 sebanyak 50 data dengan waktu komputasi sebesar 3,22 detik dan silhouette 0,51


Availability

No copy data


Detail Information

Series Title
-
Call Number
-
Publisher JURNAL MEDIA INFORMATIKA BUDIDARMA : Indonesia.,
Collation
006
Language
Indonesia
ISBN/ISSN
2614-5278
Classification
NONE
Content Type
-
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Specific Detail Info
-
Statement of Responsibility

Other Information

Accreditation
-

Other version/related

No other version available


File Attachment



Information


Web Online Public Access Catalog - Use the search options to find documents quickly