Optimasi Metode Kmeans Dengan Algoritma Artificial Bee Colony Untuk Pengelompokkan Penyebaran Covid-19 Pada Provinsi Di Indonesia

LESTARI, INTAN DIAN PUJI (2022) Optimasi Metode Kmeans Dengan Algoritma Artificial Bee Colony Untuk Pengelompokkan Penyebaran Covid-19 Pada Provinsi Di Indonesia. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text 1. Pendahuluan.pdf Download (1MB)
	Text 2. Abstrak.pdf Download (529kB)
	Text 3. Bab I.pdf Download (653kB)
	Text 4. Bab II.pdf Restricted to Repository staff only Download (848kB) | Request a copy
	Text 5. Bab III.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 6. Bab IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 7. Bab V.pdf Restricted to Repository staff only Download (525kB) | Request a copy
	Text 8. Daftar Pustaka.pdf Download (643kB)
	Text 9. Lampiran.pdf Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Metode ABCKM merupakan gabungan clustering K-means dengan optimasi
Artificial Bee Colony. Dengan memadukan K-means dan metode Artificial Bee
Colony maka diharapkan dapat meningkatkan kemampuan KM dalam menentukan
titik pusat data dan kemudian menemukan cluster pada area global yang optimal,
dalam pencarian titik pusak nilai cluster terendah mengunakan metode Davies
Bouldin Index dengan uji coba 2 sampai 10 cluster. Dataset yang digunakan yaitu
dataset persebaran kasus covid-19 yang terjadi pada provinsi di Indonesia pada bulan
April tahun 2020 sampai bulan Agustus 2020. Hasil yang didapat pada optimasi
Artificial Bee Colony KM dalam menentukan cluster terendah terjadi pada 10 cluster
dengan nilai davies bouldin index sebasar 2.0218.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

Dosen Pembimbing

Arifianto, Deni

NIDN0718068103

Dosen Pembimbing

Oktavianto, Hardian

NIDN0722108105

Item Type:	Thesis (Undergraduate)
Keywords/Kata Kunci:	Covid19/Coronavirus, Clustering, Kmeans, Artificial Bee Colony, Davies Bouldin Index(DBI)
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Intan Dian Puji Lestari | intandianpujilestari2@gmail.com
Date Deposited:	01 Aug 2022 03:23
Last Modified:	01 Aug 2022 03:26
URI:	http://repository.unmuhjember.ac.id/id/eprint/14655

Actions (login required)

View Item