Klustering Dengan K-Means Berbasis LVQ Dan K-Means Berbasis OWA
Abstrak: Pada penelitian ini
dilakukan pembandingan hasil klustering pada data car evaluation dengan
menggunakan K-Means berbasis LVQ (Learning Vector Quantization) dan K-Means
berbasis OWA (Ordered Weighted Averaging). Pada kedua metode ini sama-sama
mempergunakan K-Means tetapi yang sudah mengalami modifikasi.
Hasil dari penelitian sebelumnya secara terpisah yang membandingkan
metode K-Means modifikasi tersebut dengan K-Means konvensional menunjukkan
bahwa kedua metode modifikasi tersebut sama-sama lebih baik daripada K-Means
konvensional. Tetapi belum pernah ada penelitian yang membandingkan akurasi
hasil klustering kedua metode modifikasi tersebut. Sehingga pada penelitian ini
dilakukan klustering dengan menggunakan kedua metode tersebut untuk data car
evaluation, karena dari penelitian sebelumnya kedua metode tersebut cukup
handal dalam melakukan klustering. Hasil
dari ujicoba menunjukkan rata-rata hasil akurasi dimulai yang tertinggi adalah
K-Means berbasis LVQ(86.50%), K-Means berbasis OWA(86,16%) kemudian K-Means
konvensional (56,50%). Tetapi dengan urutan atribut yang benar dan pemilihan
nilai alpha yang tepat yakni 0.8, K-Means berbasis OWA bisa menghasilkan
akurasi yang lebih tinggi yakni 93.33%.
Penulis: Dian Eka Ratnawati,
Indriati
Kode Jurnal: jptinformatikadd150552
