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.

[img] Text
ARTIKEL.pdf

Download (555kB)
[img] Text
ABSTRAKSI.pdf

Download (114kB)
[img] Text
PENDAHULUAN.pdf

Download (293kB)
[img] Text
BAB I.pdf

Download (180kB)
[img] Text
BAB II.pdf
Restricted to Repository staff only

Download (317kB)
[img] Text
BAB III.pdf
Restricted to Repository staff only

Download (448kB)
[img] Text
BAB IV.pdf
Restricted to Repository staff only

Download (762kB)
[img] Text
BAB V.pdf
Restricted to Repository staff only

Download (112kB)
[img] 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:
ContributionContributor NameNIDN/NIDK
UNSPECIFIEDSaifudin, Ilhamnidn0731108903
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 View Item