Peningkatan Hasil Cluster Menggunakan Algoritma Dynamic K-means dan K-means Binary Search Centroid

Authors

  • Gumilar Akbari Program Studi Magister Sistem Informasi, Fakultas Pascasarjana, Universitas Komputer Indonesia
  • Yusrila Kerlooza Program Studi Magister Sistem Informasi, Fakultas Pascasarjana, Universitas Komputer Indonesia

DOI:

https://doi.org/10.34010/jtk3ti.v4i1.1395

Abstract

Pada studi kasus segmentasi pelanggan, data yang digunakan untuk segmentasi memiliki atribut data berdasarkan nilai Recency, Frequency, dan Monetery dan memiliki jumlah data 500, untuk membentuk segmentasi pelanggan dapat digunakan teknik clustering. Clustering adalah proses untuk mengelompokkan datum ke dalam sejumlah cluster (kelompok data).  Salah satu teknik Clustering adalah teknik clustering partisi, algoritma  clustering yang digunakan pada penelitian ini yaitu algoritma Dynamic K-means (DK) dan K-means Binary Search Centroid (KBSC). Pada algoritma Dynamic K-means memiliki kemampuan untuk mencari jumlah Cluster, namun memiliki kekurangan dalam penentuan titik centroid (pusat cluster), sedangkan algoritma KBSC memiliki kemampuan untuk menentukan titik centroid Cluster, namun memiliki kekurangan dalam mencari jumlah Cluster. Pada penelitian ini menggabungkan kedua algoritma antara algoritma DK dan KBSC dan akan diujikan pada data model buatan yang bertujuan untuk melihat karakteristik dari algoritma, dan diujikan pada data studi studi kasus yang bertujuan untuk mengetahui kemampuan algoritma dalam menyelasaikan kasus segmentasi pelanggan. Berdasarkan pengukuran Devies Bouldin Index (DBI) algoritma gabungan DK-KBSC menghasilkan nilai DBI lebih baik dibandingkan algoritma lainnya.saat diimplementasikan pada data kasus segmentasi pelanggan.

Downloads

Published

2018-04-09

Issue

Vol. 4 No. 2 (2018): November 2018

Section

Articles

License

All articles published in Jurnal Tata Kelola dan Kerangka Kerja TI (JTK3TI) are licensed under the Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) license.

Under this license:

  1. Granted Rights:

    • Anyone is free to copy, distribute, display, and create derivative works of the article, for both commercial and non-commercial purposes.

    • Reuse, remixing, and adaptation are permitted without additional permission.

  2. Attribution Requirements:

    • You must provide appropriate credit, including: author’s name, article title, journal name (JTK3TI), year of publication, and DOI link (if available).

    • A link to the CC BY-SA 4.0 license (https://creativecommons.org/licenses/by-sa/4.0/) must be included.

    • You must indicate if any changes or modifications were made.

  3. ShareAlike Condition (SA):

    • If you remix, transform, or build upon the material, you must distribute your contributions under the same license (CC BY-SA 4.0).

  4. Rights Retained:

    • Copyright remains with the author, but first publication rights are granted to JTK3TI.

    • Authors are allowed to self-archive or redistribute their published articles on institutional repositories, personal websites, or other media, provided proper citation is included.

  5. Disclaimer:

    • JTK3TI is not responsible for the use, adaptation, or redistribution of articles by third parties.

How to Cite

[1]
“Peningkatan Hasil Cluster Menggunakan Algoritma Dynamic K-means dan K-means Binary Search Centroid”, JTK3TI, vol. 4, no. 2, pp. 25–33, Apr. 2018, doi: 10.34010/jtk3ti.v4i1.1395.