<![CDATA[Pada data mining terdapat sebuah metode yang digunakan untuk mengklaster data menjadi kelompok-kelompok data, yaitu metode K-Means dan Fuzzy C-Means. Kedua metode tersebut jika dilihat dari beberapa penelitian sebelumnya mengenai clustering K-Means dan FCM, masing-masing metode mampu memberikan hasil cluster terbaik. Pengklasteran data user knowledge modeling menggunakan metode K-Means dan Fuzzy C-Means menghasilkan jumlah anggota klaster yang berbeda. Dapat dilihat dari jumlah klaster yang diperoleh dari kedua metode tersebut. Berdasarkan penelitian yang dilakukan, kedua metode tersebut mengelompokkan data user knowledge modeling menjadi 4 kluster. Perbandingan yang digunakan dalam penelitian ini adalah uji performa validitas. Untuk nilai validasi SI dari metode K-Means bernilai 0.1866, sedangkan nilai validasi PCI dari metode FCM adalah bernilai 0.2854. Hasil dari penelitian ini menunjukkan bahwa metode FCM adalah metode yang lebih baik daripada K-Means untuk melakukan clustering pada data user knowledge modeling dikarenakan nilai validasinya bernilai mendekati 1.]]>
Copyrights © 2017
