PENERAPAN METODE K-MEDOIDS PADA PENGELOMPOKAN DAERAH PENGHASIL KELAPA SAWIT DENGAN VALIDASI INDEKS SILHOUETTE

Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Pub Date : 2019-10-10 DOI:10.26418/bbimst.v8i4.36362

Ewaldus Okta, Neva Satyahadewi, Naomi Nessyana Debataraja

{"title":"PENERAPAN METODE K-MEDOIDS PADA PENGELOMPOKAN DAERAH PENGHASIL KELAPA SAWIT DENGAN VALIDASI INDEKS SILHOUETTE","authors":"Ewaldus Okta, Neva Satyahadewi, Naomi Nessyana Debataraja","doi":"10.26418/bbimst.v8i4.36362","DOIUrl":null,"url":null,"abstract":"K-medoids termasuk metode partitioning clustering untuk mengelompokkan sekumpulan objek menjadi sekumpulan cluster. Penelitian ini dilakukan untuk mengelompokan kabupaten/kota yang memiliki luas lahan dan rata-rata produksi perkebunan kelapa sawit tertinggi sampai terendah. Tahap ini diawali dengan menghitung kemiripan antar objek menggunakan Jarak Euclidean, kemudian memilih k objek untuk menjadi medoids awal. Langkah selanjutnya adalah mengelompokan objek berdasarkan nilai Jarak yang paling mirip dengan medoids, lalu menghitung nilai absolute error dari cluster yang terbentuk. Tahap selanjutnya adalah melakukan hal yang sama terhadap medoids random, kemudian membandingkan nilai absolute error medoids awal dengan medoids random. Langkah selanjutnya adalah mengukur validitas dengan menggunakan validasi indeks silhouette. Cluster kesatu yaitu Kabupaten Sambas, Kabupaten Bengkayang, Kabupaten Mempawah, Kabupaten Kapuas Hulu, Kabupaten Kayong Utara, Kabupaten Kubu Raya dan Kota Singkawang untuk variabel luas lahan dan rata-rata produksi termasuk kedalam kategori rendah. Cluster kedua yaitu Kabupaten Landak, Kabupaten Sanggau, Kabupaten Ketapang dan Kabupaten Sintang untuk variabel luas lahan dan rata-rata produksi termasuk kedalam kategori sedang. Cluster ketiga yaitu Kabupaten Sekadau dan Kabupaten Melawi untuk variabel luas lahan termasuk kedalam kategori rendah dan rata-rata produksi termasuk kedalam kategori tinggi. Kata kunci: Analisis Cluster, K-medoids, Validasi Indeks Silhouette","PeriodicalId":265420,"journal":{"name":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","volume":"3 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26418/bbimst.v8i4.36362","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

Abstract

K-medoids termasuk metode partitioning clustering untuk mengelompokkan sekumpulan objek menjadi sekumpulan cluster. Penelitian ini dilakukan untuk mengelompokan kabupaten/kota yang memiliki luas lahan dan rata-rata produksi perkebunan kelapa sawit tertinggi sampai terendah. Tahap ini diawali dengan menghitung kemiripan antar objek menggunakan Jarak Euclidean, kemudian memilih k objek untuk menjadi medoids awal. Langkah selanjutnya adalah mengelompokan objek berdasarkan nilai Jarak yang paling mirip dengan medoids, lalu menghitung nilai absolute error dari cluster yang terbentuk. Tahap selanjutnya adalah melakukan hal yang sama terhadap medoids random, kemudian membandingkan nilai absolute error medoids awal dengan medoids random. Langkah selanjutnya adalah mengukur validitas dengan menggunakan validasi indeks silhouette. Cluster kesatu yaitu Kabupaten Sambas, Kabupaten Bengkayang, Kabupaten Mempawah, Kabupaten Kapuas Hulu, Kabupaten Kayong Utara, Kabupaten Kubu Raya dan Kota Singkawang untuk variabel luas lahan dan rata-rata produksi termasuk kedalam kategori rendah. Cluster kedua yaitu Kabupaten Landak, Kabupaten Sanggau, Kabupaten Ketapang dan Kabupaten Sintang untuk variabel luas lahan dan rata-rata produksi termasuk kedalam kategori sedang. Cluster ketiga yaitu Kabupaten Sekadau dan Kabupaten Melawi untuk variabel luas lahan termasuk kedalam kategori rendah dan rata-rata produksi termasuk kedalam kategori tinggi. Kata kunci: Analisis Cluster, K-medoids, Validasi Indeks Silhouette

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

使用油棕生产区域的K-MEDOIDS采用剪影索引验证

K-medoids包括统一的集合方法，将物体聚集成集群。这项研究的目的是将大片土地和油棕种植园平均产量从高到低的地区/城市分组。这个阶段从使用欧几里得距离计算对象之间的相似性开始，然后选择k对象作为早期的甲基苯丙胺。下一步是根据与medoids最接近的距离值对对象进行分组，然后计算形成集群的绝对错误值。下一个阶段是对随机介质做同样的事情，然后将初始的绝对错误介质与随机介质进行比较。下一步是使用剪影索引验证码来测量有效性。其中一个集群是Sambas摄政，班加阳摄政，memkawah摄政，上摄政，keong north摄政，宫城县和城市为大面积变量，平均生产属于低类别。第二组是刺猬区、沙果区、罗蓬区和同步区，这些区域的面积和平均产量属于中等类别。第三个集群是Sekadau区域和橙区面积变量属于较低的类别，而产量平均属于较高的类别。关键词:集群分析，K-medoids, Silhouette索引验证

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya

自引率

0.00%

发文量