HENDRAWAN NATA UTAMA, TONI (2019) ANALISIS PERFORMA ALGORITMA FUZZY C-MEANS DAN K-MEANS CLUSTERING UNTUK PENGELOMPOKAN PELANGGAN PADA PT. PART STATION JEMBER. Undergraduate thesis, Universitas Muhammadiyah Jember.
![]() |
Text
ARTIKEL.pdf Download (555kB) |
![]() |
Text
ABSTRAKSI.pdf Download (114kB) |
![]() |
Text
PENDAHULUAN.pdf Download (293kB) |
![]() |
Text
BAB I.pdf Download (180kB) |
![]() |
Text
BAB II.pdf Restricted to Repository staff only Download (317kB) |
![]() |
Text
BAB III.pdf Restricted to Repository staff only Download (448kB) |
![]() |
Text
BAB IV.pdf Restricted to Repository staff only Download (762kB) |
![]() |
Text
BAB V.pdf Restricted to Repository staff only Download (112kB) |
![]() |
Text
LAMPIRAN.pdf Download (1MB) |
Abstract
Penelitian ini bertujuan menganalisis hasil performa algoritma Fuzzy C-Means dan K-Means Clustering untuk pengelompokan pelanggan pada perusahaan Part Station Jember. Dibedakan berdasarkan transaksi kredit paling rendah dari semua Cluster, transaksi tunai tertinggi dari semua Cluster, dan laba yang dihasilkan tertinggi dari semua Cluster. Dibentuk menggunakan metode uji validitas kelompok Silhouette Coefficient dan RMSSTD (Root Mean Square Standard Deviation). Kelompok optimum yang dihasilkan dari metode elbow ada 3. Hasil pengujian metode Silhouette Coefficient pada data kredit menunjukkan algoritma Fuzzy C-Means lebih baik dibandingkan algoritma K-Means Clustering dengan nilai 0.61 untuk algoritma Fuzzy C-Means dan 0.59 untuk algoritma KMeans Clustering. Sedangkan pada pengujian data tunai dan laba menunjukkan algoritma K-Means Clustering lebih baik dibandingkan Fuzzy C-Means dengan nilai masing-masing 0.66 dan 0.25 untuk algoritma Fuzzy C-Means dan 0.79 dan 0.4 untuk algoritma K-Means Clustering. hal ini menunjukkan metode validasi Silhouette Coefficient ini sangat dipengaruhi oleh data yang digunakan. Akan tetapi hasil pengujian metode RMSSTD menunjukkan algoritma Fuzzy C-Means lebih baik dibandingkan algoritma K-Means Clustering dari semua data yang dilakukan pengujian, baik itu data kredit, tunai dan laba. Dengan nilai rata-rata 0.024979667 data kredit, 0.06873552 data tunai, 0.010187823 data laba untuk algoritma Fuzzy C-Means sedangkan nilai rata-rata 0.03229311 data kredit, 0.105352232 data tunai, 0.064485279 data laba untuk algoritma K-Means Clustering. Kata Kunci: K-Means Clustering, Fuzzy C-Means, Silhouette Coefficient, PERFORMANCE RMSSTD
Item Type: | Thesis (Undergraduate) | ||||||
---|---|---|---|---|---|---|---|
Subjects: | 600 Technology and Applied Science > 620 Engineering | ||||||
Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | ||||||
Department: | S1 Teknik Informatika | ||||||
Depositing User: | rahma wahyu ningsih | ||||||
Contributors: |
|
||||||
Date Deposited: | 08 Dec 2020 03:09 | ||||||
Last Modified: | 08 Dec 2020 03:09 | ||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/7209 |
Actions (login required)
![]() |
View Item |