Clustering Data Jenis Wine dengan Metode K-Means dan C-Means
Article Sidebar
Read Counter : 3
Download : 4
Main Article Content
Abstract
This research uses clustering techniques to explore and reveal inherent patterns in a dataset containing information about various types of wine. This dataset includes a wide range of attributes, including chemical properties such as 'Malic Acid,' providing a clear view of wine characteristics. In this clustering research, 2 main methods are used, namely K-Means and C-Means to find the silhouette score from this method.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Menawarkan akses terbukaReferences
[1] Dhuhita, W. M. P. (2015). Clustering Menggunakan Metode K-Means Untuk Menentukan Status Gizi Balita.
[2] Herlawati, H., & Handayanto, R. T. (2013). Klasifikasi Dinamis dengan Modifikasi Algoritma Fuzzy C-means (Fcm).
[3] Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan.
[4] Sulastri H, Gufroni AI. Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia. Jurnal Teknologi dan Sistem Informasi. 2017
[5] Priyatman, H., Sajid, F., & Haldivany, D. (2019). Klasterisasi Menggunakan Algoritma K-Means Clustering untuk Memprediksi Waktu Kelulusan Mahasiswa.
[6] Ningrat, D. R., Di Asih, I. M., & Wuryandari, T. (2016). Analisis cluster dengan algoritma K-Means dan Fuzzy C-Means clustering untuk pengelompokan data obligasi korporasi.
[7] Agustina, N., & Prihandoko, P. (2018). Perbandingan Algoritma K-Means dengan Fuzzy C-Means Untuk Clustering Tingkat Kedisiplinan Kinerja Karyawan.
[8] Agusta, Y. (2007). K-means–penerapan, permasalahan dan metode terkait. Jurnal Sistem dan informatika
[9] Setiaji, G. G., Khoirudin, K., & Vydia, V. (2019). Komparasi Metode Clustering K-Means dan Fuzzy C-Means Untuk Mempredeksi Ketepatan Waktu Lulus.
[10] Setiaji, G. G., Khoirudin, K., & Vydia, V. (2019). Komparasi Metode Clustering K-Means dan Fuzzy C-Means Untuk Mempredeksi Ketepatan Waktu Lulus.
[11] Praja, A., Lubis, C., & Herwindiati, D. E. (2017). Deteksi Penyakit Diabetes dengan Metode Fuzzy C-Means Clustering dan K-Means Clustering.
[12] Darmi, Y. D., & Setiawan, A. (2016). Penerapan metode
[13] Syarif, R., Furqon, M. T., & Adinugroho, S. (2018). Perbandingan Algoritme K-Means Dengan Algoritme Fuzzy C Means (FCM) Dalam Clustering Moda Transportasi Berbasis GPS. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(10), 4107-4115.
[14] Butarbutar, N., Windarto, A. P., Hartama, D., & Solikhun, S. (2017). Komparasi kinerja algoritma fuzzy c-means dan k-means dalam pengelompokan data siswa berdasarkan prestasi nilai akademik siswa. Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika), 1(1), 46-55.
[16] Andika, T. H., & Hafiz, A. (2018, November). Analisis perbandingan segmentasi citra menggunakan metode k-means dan fuzzy c-means. In Prosiding Seminar Nasional Darmajaya (Vol. 1, No. 1, pp. 237-246).
[17] Firdaus, H. S., Nugraha, A. L., Sasmito, B., & Awaluddin, M. (2021). Perbandingan metode fuzzy c-means dan k-means untuk pemetaan daerah rawan kriminalitas di kota semarang. Elipsoida: Jurnal Geodesi dan Geomatika, 4(01), 58-64.
[18] Rahmati, R. (2021). Analisis Cluster dengan Algoritma K-means, Fuzzy C-means dan Hierarchical Clustering (Studi Kasus: Indeks Pembangunan Manusia Tahun 2019). JIKO (Jurnal Informatika dan Komputer), 5(2), 73-80.
[19] Dwididanti, S., Anggoro, D. A., & Sutanto, M. H. (2022). Analisis Perbandingan Algoritma Bisecting K-Means dan Fuzzy C-Means pada Data Pengguna Kartu Kredit. Emitor: Jurnal Teknik Elektro, 22(2), 110-117.
[20] Putri, A. L. R., & Dwidayati, N. (2021). Analisa perbandingan k-means dan fuzzy c-means dalam pengelompokan daerah penyebaran COVID-19 Indonesia. Unnes Journal of Mathematics, 50-55.
[21] Praditya, N. W. P. (2023). Prediksi Kualitas Red Wine dan White Wine Menggunakan Data Mining. Journal Software, Hardware and Information Technology, 3(2), 25-33.