<![CDATA[Terdapat berbagai teknik dalam data mining dimana setiap teknik memiliki hasil yang berbeda, yaitu klasifikasi, asosiasi, clustering, prediksi, estimasi dan analisis deviasi. Clustering merupakan proses yang digunakan untuk mengelompokkan objek dalam dataset sehingga objek yang mempunyai kemiripan ditempatkan pada cluster yang sama. Ukuran kemiripan antar objek satu dengan objek lainnya diketahui dari ukuran jarak. Semakin kecil ukuran jarak, semakin kecil perbedaan antar objek satu dengan objek lainnya. Metode elbow merupakan metode untuk menentukan jumlah cluster optimal yang diperoleh dengan melihat presentase hasil perbandingan antara jumlah cluster yang akan membentuk siku pada suatu titik. Pada umumnya proses clustering hanya untuk data numerik atau kategorik saja, akan tetapi kerap kali ditemui kasus data campuran numerik dan kategorik. Algoritme K-Means merupakan salah satu metode clustering konvensional yang efisien untuk data yang berukuran besar, tetapi tidak untuk data kategorikal. Algoritme K-Prototype merupakan pengembangan dari algoritme K-Means yang dapat menangani data yang bertipe campuran numerik dan katagorik. Tujuan dari penelitian ini untuk mengkaji algoritme K-Prototype dengan inisialisasi menggunakan metode elbow dalam menentukan jumlah cluster. Hasil penelitian menunjukkan bahwa metode elbow dapat digunakan untuk menentukan jumlah cluster optimal yang selanjutnya digunakan pada algoritme K-Prototype.]]>
Copyrights © 2023
