Comparison Of K-Means And Hierachical Clustering Methods Performance In System Boarding Costs Selection Recommendations

Jurnal TEKNIMEDIA: Teknologi Informasi dan Multimedia

View Publication Info
 
 
Field Value
 
Title Comparison Of K-Means And Hierachical Clustering Methods Performance In System Boarding Costs Selection Recommendations
Perbandingan Tingkat Performa Metode K-Means dan Hierachical Clustering Pada Sistem Rekomendasi Pemilihan Kost
 
Creator Aiman Ayadi
Kusrini
Eko Pramono
 
Subject boarding, students, hierachical, K-Means, Naïve Bayes
Kost, Mahasiswa, Hierachical, K-Means, Naïve Bayes
 
Description The development of technology is currently getting more advanced and growing faster, especially in the field of information technology. The existence of houses in the vicinity of public facilities is very desirable and beneficial for newcomers to a new area. One of the public facilities that usually have boarding is a university or college. Students who study at a university do not only come from within the city but also come from outside the region. However, most students from outside the region have difficulty choosing boarding or rented houses due to limited information. Limited information about the facilities and the inaccuracy of boarding houses becomes a difficulty at the beginning for those who are new students. With the advancement of information technology, it can answer the need for finding a boarding house, and will be very helpful both from the side of the owner and tenant. To solve complex problems, you can use the K-Means Clustering and Hierarchical Clustering algorithm models that are optimized with naïve Bayes. The final result of this study is that the K-Means and naïve bayes accuracy values ​​are higher with 90.82% accuracy, 90.56% precision, 90.68% recall and longer time that is 10 seconds, while for hierachical and naïve values. Bayes got 88.02% accuracy, 87.82% precision, 88.00% recall and 7.6 seconds faster time
Perkembangan teknologi saat ini semakin maju dan berkembang semakin cepat, khususnya dibidang teknologi informasi. Keberadaan kost di sekitar tempat fasilitas publik sangat diharapkan dan menguntungkan bagi pendatang di suatu daerah baru. Salah satu fasilitas publik yang biasanya terdapat kost adalah sebuah universitas atau perguruan tinggi. Mahasiswa yang menuntut ilmu di suatu perguruan tinggi tidak hanya berasal dari dalam kota namun juga ada yang berasal dari luar daerah.. Namun kebanyakan dari mahasiswa luar daerah kesulitan dalam memilih kost atau kontrakan dikarenakan keterbatasan informasi. Informasi yang terbatas mengenai fasilitas dan keberadaan kost yang kurang akurat menjadi kesulitan pada awal bagi mereka yang menjadi mahasiswa baru. Dengan adanya kemajuan teknologi informatika dapat menjawab kebutuhan mencari tempat kost, dan akan sangat membantu baik dari sisi pemilik maupun penyewa. Untuk mengatasi permasalahan yang kompleks dapat menggunakan model algoritma K-Means Clustering dan Hierarchical Clustering yang dioptimalkan dengan naïve bayes. Hasil akhir dari penelitian ini adalah nilai akurasi K-Means dan naïve bayes lebih tinggi dengan akurasi 90,82%, presisi 90,56%, recall 90,68% dan waktu lebih lama yaitu 10 detik, sedangkan untuk nilai hierachical dan naïve bayes mendapatkan nilai akurasi 88,02%, presisi 87,82%,recall 88,00% dan waktu lebih cepat 7,6 detik.
 
Publisher Badan Penelitian dan Pengabdian Masyarakat (BP2M) STMIK Syaikh Zainuddin NW Anjani
 
Date 2021-01-02
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Peer-reviewed Article
 
Format application/pdf
 
Identifier https://jurnal.stmiksznw.ac.id/index.php/teknimedia/article/view/27
10.46764/teknimedia.v1i2.27
 
Source TEKNIMEDIA: Teknologi Informasi dan Multimedia; Vol. 1 No. 2 (2020): Desember 2020; 51-56
2722-6271
2722-6263
10.46764/teknimedia.v1i2
 
Language eng
 
Relation https://jurnal.stmiksznw.ac.id/index.php/teknimedia/article/view/27/20
 
Rights Copyright (c) 2021 TEKNIMEDIA: Teknologi Informasi dan Multimedia
https://creativecommons.org/licenses/by-sa/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library