ANALISIS PERFORMA ALGORITMA FUZZY C-MEANS DAN K-MEANS CLUSTERING UNTUK PENGELOMPOKAN PELANGGAN PADA PT. PART STATION JEMBER

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

Contribution

Contributor Name

NIDN/NIDK

UNSPECIFIED

Saifudin, Ilham

nidn0731108903

Item Type:	Thesis (Undergraduate)
Subjects:	600 Technology and Applied Science > 620 Engineering
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	rahma wahyu ningsih | ningsihrahmawahyu@gmail.com
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