Garuda - Garba Rujukan Digital

Achmad Yasid

Universitas Trunojoyo

Author-ID : 721622

Computer Science & IT Control & Systems Engineering

Published : 4 Documents Claim Missing Document

Claim Missing Document

Articles

Title

1

IMPLEMENTASI AUTOMATIC CLUSTERING MENGGUNAKAN DIFFERENTIAL EVOLUTION DAN CS MEASURE UNTUK ANALISIS DATA KEMAHASISWAAN Yasid, Achmad
Network Engineering Research Operation [NERO] Vol 1, No 2 (2014): Nero
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar

Saat ini differential evolution (DE) merupakan salah satu algoritma evolusi yang menjadi perhatian para ahli karena cepat, robust dan effisien dalam melakukan pencarian global.Penelitian ini menerapkan DE pada permasalahan clustering dengan menggunakan studi kasus data akademik pada program studi Manajemen Informatika Universitas Trunojoyo Madura. Berbeda dengan algoritma clustering lainnya, metode ini tidak membutuhkan input jumlah cluster akhir dari pengguna. Lebih jauh, algoritma ini dapat melakukan partisi data dan menghasilkan jumlah cluster optimal akhir secara otomatis.Untuk menguji hasil clustering, digunakan CS Measure dan menjalankan program sebanyak 30 kali.Berdasarkan hasil ujicoba program pada data akademik semester genap 2013-2014, program ini dapat menghasilkan jumlah cluster akhir dan nilai CS measure yang stabil dengan yang ditandai dengan nilai standard deviasi yang sangat kecil. Kata kunci: Differential Evolution, Clustering, CS Measure, Data Akademik

IMPLEMENTASI AUTOMATIC CLUSTERING MENGGUNAKAN DIFFERENTIAL EVOLUTION DAN CS MEASURE UNTUK ANALISIS DATA KEMAHASISWAAN Achmad Yasid
Network Engineering Research Operation Vol 1, No 2 (2014): Nero
Publisher : Universitas Trunojoyo Madura

Saat ini differential evolution (DE) merupakan salah satu algoritma evolusi yang menjadi perhatian para ahli karena cepat, robust dan effisien dalam melakukan pencarian global.Penelitian ini menerapkan DE pada permasalahan clustering dengan menggunakan studi kasus data akademik pada program studi Manajemen Informatika Universitas Trunojoyo Madura. Berbeda dengan algoritma clustering lainnya, metode ini tidak membutuhkan input jumlah cluster akhir dari pengguna. Lebih jauh, algoritma ini dapat melakukan partisi data dan menghasilkan jumlah cluster optimal akhir secara otomatis.Untuk menguji hasil clustering, digunakan CS Measure dan menjalankan program sebanyak 30 kali.Berdasarkan hasil ujicoba program pada data akademik semester genap 2013-2014, program ini dapat menghasilkan jumlah cluster akhir dan nilai CS measure yang stabil dengan yang ditandai dengan nilai standard deviasi yang sangat kecil. Kata kunci: Differential Evolution, Clustering, CS Measure, Data Akademik

Title Search

Found 2 Documents Search Journal : Network Engineering Research Operation [NERO]

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : Network Engineering Research Operation [NERO]