Implementasi Teknik Data Mining Dengan Algoritma K-Means Dan Fungsi Kernel Polynomial Untuk Klasterisasi Objek Data

Posted on
ABSTRAK

Penelitian ini membahas modifikasi algoritma K-Means pada klasterisasi suatu objek data. Tujuan dari modifikasi ini yakni bagi meningkatkan daya kerja algoritma tersebut, karena seringkali algoritma K-Means terjebak pada lokal optima ketika menghadapi data yang tak linier. Data test yang digunakan bagi menguji efektifitas modifikasi algoritma menggunakan set data Iris. Modifikasi algoritma dilakukan dengan menambahkan manfaat kernel polynomial. Manfaat kernel akan membawa data dari space lama ke space baru sehingga dimungkinkan bagi dipisah secara linier. Hasil penelitian ini mengkonfirmasikan bahwa nilai β antara 0.09 hingga 1 di manfaat kernel polynomial memberikan tingkat miss class terendah sebesar 2% di klasterisasi data Iris.

Kata Kunci : Data Mining, Kernel Polynomial, Klasterisasi, K-Means, Set Data Iris


Unduh File PDF : 

ABSTRAK


Unduh Source Code Program :
Unduh File.rar (sedang digarap)
Screnshot Program :

Leave a Reply

Your email address will not be published. Required fields are marked *