Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer)
Anjelita, Mawaddah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS EVALUASI SILHOUETTE COEFFICIENT DENGAN EUCLIDEAN DISTANCE PADA METODE CLUSTERING (STUDI KASUS : JUMLAH SEKOLAH NEGERI DI INDONESIA) Anjelita, Mawaddah; Irawan, Eka; Damanik, Irfan Sudahri
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) Vol 5, No 1 (2021): Peran Generasi Milenial Bertalenta Digital Pada Era Society 5.0
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/komik.v5i1.3642

Abstract

Penelitian ini bertujuan untuk mengetahui seberapa besar nilai silhouette coefficient yang diperoleh dari perhitungan jarak data terhadap centroid menggunakan euclidean distance pada metode k-means serta memberikan masukan dalam ilmu pengetahuan untuk penelitian selanjutnya dalam mengembangkan metode k-means. Untuk menyelesaikan permasalahan ini, peneliti menggunakan metode k-means dengan evaluasi silhouette coefficient. Dimana sumber data pada penelitian ini mengambil data langsung dari Badan Pusat Statistik (BPS) Indonesia dalam bentuk softcopy yang berjudul “Statistik Indonesia 2021” dengan URL : https://www.bps.go.id. Data yang digunakan pada penelitian ini menggunakan data tahun 2020 yang terdiri dari 34 provinsi. Data akan diolah menggunakan  metode k-means dengan silhouette coefficient menggunakan euclidean distance. Hasil yang diperoleh yaitu cluster = 4 merupakan cluster terbaik untuk mengelompokkan jumlah sekolah negeri di Indonesia menurut provinsi tahun 2020 dengan nilai silhouette coefficient sebesar -0,9944. Dengan dilakukannya penelitian dapat memberi masukan dalam ilmu pengetahuan untuk penelitian selanjutnya dalam mengembangkan metode clustering terutama k-means.
Co-Authors Eka Irawan Irfan Sudahri Damanik