Perbandingan Fuzzy C-Means dan K-Means untuk Mengelompokkan Tingkat Buta Huruf Berdasarkan Provinsi di Indonesia

Pamungkas, Murtadlo Anugerah, Murtadlo (2021) Perbandingan Fuzzy C-Means dan K-Means untuk Mengelompokkan Tingkat Buta Huruf Berdasarkan Provinsi di Indonesia. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text j. ARTIKEL.pdf Download (444kB)
	Text b. ABSTRAK.pdf Download (196kB)
	Text a. PENDAHULUAN.pdf Download (2MB)
	Text c. BAB I.pdf Download (269kB)
	Text d. BAB II.pdf Restricted to Repository staff only Download (361kB) \| Request a copy
	Text e. BAB III.pdf Restricted to Repository staff only Download (494kB) \| Request a copy
	Text f. BAB IV.pdf Restricted to Repository staff only Download (573kB) \| Request a copy
	Text g. BAB V.pdf Restricted to Repository staff only Download (187kB) \| Request a copy
	Text h. DAFTAR PUSTAKA.pdf Download (262kB)
	Text i. LAMPIRAN.pdf Restricted to Registered users only Download (490kB) \| Request a copy

Abstract

Bekal dasar dalam menempuh pendidikan adalah memiliki kemampuan menulis, membaca, berkomunikasi dan berhitung secara efisien. Buta huruf merupakan salah satu permasalahan dalam menempuh pendidikan dan menghambat proses pencapaian tujuan peningkatan kualitas pendidikan, sedangkan yang dimaksud buta huruf adalah ketidakmampuan seseorang dalam membaca atau menulis kalimat sederhana. Berdasarkan penjelasan di atas terdapat metode yang dapat menyelesaikan permasalahan tersebut secara kompleks melalui salah satu cabang ilmu komputer seperti data mining dengan menggunakan metode clustering. Beberapa algoritma yang menggunakan metode clustering adalah Fuzzy C-Means dan K-Means, kedua algoritma tersebut mengelompokkan data ke dalam bentuk satu atau lebih cluster. Sehingga data yang memiliki karakteristik sama akan dikelompokkan ke dalam cluster yang sama dan data yang mempunyai karakteristik berbeda akan dikelompokkan ke dalam cluster yang lain. Untuk cluster optimum dalam setiap algoritma menggunakan metode Dunn Index dengan ditunjukkan nilai Dunn Index yang semakin besar. Data yang digunakan yaitu tingkat buta huruf di 33 provinsi di Indonesia periode tahun 2015-2019. Dari serangkaian pengujian dengan skenario 3 cluster sampai 10 cluster, menghasilkan cluster optimum pada algoritma Fuzzy C-Means yang berada pada 4 cluster dan untuk algoritma K-Means berada pada 6 cluster. Setelah menentukan cluster optimum dilakukan perbandingan menggunakan metode Partition Coefficient Index dan Silhouette Index dengan nilai validitas 0,7684 untuk algoritma Fuzzy C-Means dan nilai validitas 0,4966 untuk algoritma K-Means. Hasil penelitian menunjukkan bahwa algoritma Fuzzy C-Means lebih baik dalam melakukan clustering dibandingkan algoritma K-Means, karena nilai validitas algoritma Fuzzy C-Means lebih besar dan lebih mendekati nilai 1.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Buta Huruf, Clustering, Perbandingan, Fuzzy C-Means, K-Means, Dunn Index, Partition Coefficient Index, Silhouette Index.

Subjects:

600 Technology and Applied Science
600 Technology and Applied Science > 620 Engineering
600 Technology and Applied Science > 620 Engineering > 622 Mining and Related Operations

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Pamungkas Murtadlo Anugerah