Algoritma Partitioning Around Medoid (PAM) dengan Validasi Silhouette Coefficient Terhadap Data Outlier Produksi Sektor Hortikultura di Kabupaten Kerinci

Genti, Deli (2024) Algoritma Partitioning Around Medoid (PAM) dengan Validasi Silhouette Coefficient Terhadap Data Outlier Produksi Sektor Hortikultura di Kabupaten Kerinci. S1 thesis, UNIVERSITAS JAMBI.

	Text SKRIPSI FULL .pdf Restricted to Repository staff only Download (2MB)
	Text BAB 1-1.pdf Download (405kB)
	Text PENGESAHAN.pdf Download (270kB)
	Text DAFTAR PUSTAKA.pdf Download (204kB)
	Text BAB 5.pdf Download (358kB)
	Text RINGKASAN.pdf Download (386kB)
	Text cover (1).pdf Download (264kB)

Abstract

Analisis klaster merupakan suatu metode statistik yang digunakan sebagai pengelompokan data atau objek yang memiliki kesamaan karakteristik yang dikelompokkan ke dalam klaster yang relatif sama, namun dengan karakteristik klaster yang memiliki ciri berbeda. Analisis klaster terdapat beberapa metode yaitu metode hierarki dan non-hierarki. Metode klaster non-hierarki yang biasanya digunakan adalah metode k-means dan k-medoid. Kedua metode ini memiliki keunggulan dan kelemahannya masing-masing, bergantung pada konteks dan karakteristik pada data yang digunakan. Pola data yang menunjukkan adanya outlier pada data yang akan dilakukan analisis membuat analisis pada serangkaian data menjadi tidak mencerminkan fenomena yang sebenarnya sehingga mempengaruhi dalam pengambilan keputusan. Sebelum adanya pengambilan keputusan pada analisis statistik perlu dilakukan proses pengumpulan data dengan karakteristik yang sesuai dengan algoritma analisis yang akan digunakan untuk dilakukan suatu penelitian. Berdasarkan data pada publikasi Badan Pusat Statistik, produktivitas yang dihasilkan di setiap wilayah kecamatan di kabupaten Kerinci memiliki karakteristik yang berbeda-beda. Perbedaan kondisi di setiap wilayah ini perlu dideteksi melalui pemetaan dengan algoritma PAM atau biasa disebut dengan k-medoids yang sesuai berdasarkan karakteristik data hasil produksi sub sektor hortikultura di setiap wilayah yang ada di kabupaten Kerinci. Pada algoritma PAM merupakan pengelompokan berbasis partisi yang tidak rentan terhadap data outlier dan lebih efektif dalam mengelompokkan data yang tidak terlalu terkait dengan klaster lainnya dengan menggunakan metode iterasi berdasarkan ukuran jarak yang dipilih untuk memperbarui klaster, hingga memperoleh partisi yang optimal. Dalam melakukan pengelompokan data dengan metode non-hierarki pada algorotma PAM yang baik dan maksimal, peneliti perlu melakukan penentuan jumlah klaster yang tepat salah satunya dengan validasi silhoutte coefficient sebagai teknik yang dapat digunakan untuk mengevaluasi objek secara visual baik di dalam klaster maupun berada diluar klaster berdasarkan rentang nilai sillhouttenya. Pada pengelompokan yang dilakukan dengan algoritma PAM diperoleh nilai silhouette coefficient terbaik adalah sebesar 0,32 pada k=2, sehingga dapat disimpulkan bahwa pengelompokan dengan algoritma PAM dalam mengatasi data outlier pada penelitian ini yang disimulasikan pada data produksi hortikultura di kabupaten Kerinci memperoleh bahwa keefektivan algoritma PAM dapat melakukan pengelompokan pada data outlier pada hasil produksi hortikultura dengan nilai sillhouette coefficient maksimum sebesar 0,32.

Type:	Thesis (S1)
Uncontrolled Keywords:	Hortikultura, Outlier, PAM, Silhouette Coefficient
Subjects:	A General Works > AC Collections. Series. Collected works Universitas Jambi (UNJA) > Fakultas Kedokteran dan Ilmu Kesehatan > A General Works > AC Collections. Series. Collected works
Divisions:	Fakultas Sains dan Teknologi > Matematika
Depositing User:	Genti
Date Deposited:	10 Sep 2024 07:22
Last Modified:	10 Sep 2024 07:22
URI:	https://repository.unja.ac.id/id/eprint/70469

Actions (login required)

View Item