Detail Tugas Akhir

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.

Berkas Tugas Akhir

PDF
Text
1. Pendahuluan.pdf
PDF
Text
2. Abstrak.pdf
PDF
Text
3. Bab I.pdf
PDF
Text
4. Bab II.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (848kB)
PDF
Text
5. Bab III.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (1MB)
PDF
Text
6. Bab IV.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (1MB)
PDF
Text
7. Bab V.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (525kB)
PDF
Text
8. Daftar Pustaka.pdf
PDF
Text
9. Lampiran.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Request a copy Ukuran File (6MB)

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.

Informasi Item

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)
Date Deposited 01 Aug 2022 03:23
Last Modified 01 Aug 2022 03:26
URI https://repository.unmuhjember.ac.id/id/eprint/14655

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?