Klastering Data Bahan Makanan Pokok Menggunakan K-Means Clustering

Penulis

  • Millatul Ulya

Abstrak

Penelitian ini bertujuan untuk mengetahui jumlah klaster yang sesuai untuk data set bahan makanan pokok, dan Membandingkan nilai siluet dan Sum of Squares Error (SSE) antara tiga metode k-means dalam klastering varietas data set bahan makanan pokok. Hasil penelitian ini menunjukkan bahwa jumlah klaster yang paling sesuai pada data set bahan makanan pokok adalah 3 klaster dengan nilai rata-rata Siluet paling tinggi yakni 0,9089 dan nilai Sum Square Error paling kecil sebesar 1,3788e+003.

##submission.downloads##

Diterbitkan

03-08-2018

Terbitan

Bagian

Artikel