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.
ContributionNama Dosen PembimbingNIDN/NIDKUNSPECIFIEDOktavianto, Hardian, Hardiannidn0722108105UNSPECIFIEDUmilasari, Reni, Reninidn0728079101
Item Type: | Thesis (Undergraduate) |
---|---|
Keywords/Kata Kunci: | 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) |
Depositing User: | Pamungkas Murtadlo Anugerah | pamungkasmurtadlo@gmail.com |
Date Deposited: | 13 Mar 2021 03:09 |
Last Modified: | 13 Mar 2021 03:51 |
URI: | http://repository.unmuhjember.ac.id/id/eprint/8837 |
Actions (login required)
![]() |
View Item |