Perbandingan Distance Space Manhattan Dengan Euclidean Pada K-Means Clustering Dalam Menentukan Promosi

IJCIT - Indonesian Journal on Computer and Information Technology

View Publication Info
 
 
Field Value
 
Title Perbandingan Distance Space Manhattan Dengan Euclidean Pada K-Means Clustering Dalam Menentukan Promosi
 
Creator Fajriah, Rahma Isparani
Sutisna, Herlan
Simpony, Bambang Kelana
 
Subject ilmu komputer
 
Description AbstrakDinamika pola pendidikan yang begitu cepat dan silih berganti menjadikan persaingan antar sekolah semakin ketat dan atraktif , Dengan adanya  persaingan ini  strategi pemasaran yang tepat untuk lembaga pendidikan mutlak diperlukan, tak terkecuali untuk SMK Muhammadiyah Cimanggu. Untuk memperoleh strategi pemasaran yang efektif, maka  penulisan ini dilakukan dengan cara mengolahan data history dengan tujuan mengetahui pola, sehingga dapat mengambil informasi yang tersembunyi dari data-data tersebut. Metode pengolahan data seperti ini sering disebut sebagai data mining. K-Means merupakan salah satu metode data clustering non hirarki yang sederhana. Pada penulisan ini, membandingan dua distance space yaitu antara Manhattan (City Block) dan Euclidean. Dari hasil penulisan dapat dilihat bahwa jumlah kluster terbaik pada data siswa SMK Muhammadiyah Cimanggu yaitu 3 kluster, hal ini dapat dilihat dari hasil selisih nilai Sum Square Error (SSE), nilai selesih terbesar pada metode Euclidean distance space  yaitu sebesar  5.882 berada dititik kluster 3 dan  nilai selesih terbesar pada metode Manhattan  distance space  yaitu sebesar  5.758 berada dititik kluster 3, Hal ini menunjukan bahwa  jumlah cluster optimal untuk data siswa SMK Muhammadiyah Cimanggu yaitu sebanyak tiga cluster. dilihat dari Average within Centroid distance,  Euclidean lebih kecil dibandingkan  dengan manhattaan yaitu 15.115 < 15.398 , oleh karna itu  Distance measure paling optimal untuk digunakan dalam  kasus  pengclusteran data siswa SMK Muhammadiyah Cimanggu adalah  Euclidean distance.Kata kunci: k means, manhattan, euclidean, strategi promosi. AbstractThe dynamics of educational patterns that are so fast and successe make competition between schools more stringent and attracte. , With this competition the right marketing strategy for educational institutions is absolutely necessary, no exception for Muhammadiyah Cimanggu vocational high School. To find out an effecte strategy, this research is done by processing history data with the aim, can provide different information from these data. Data processing methods like this are often referred to as data mining. K-Means is a simple non-hierarchical data clustering method. In this study, comparing two distance spaces is between Manhattan (City Block) and Euclideanth.The result  of  the Research of the writing it can be seen that the best number of clusters in the data of students of Cimanggu Muhammadiyah vocational high School are 3 clusters, this can be seen from the results of the difference in Sum Square Error (SSE), the biggest gap in the Euclidean distance space method is 5.882 located at the point of cluster 3 and the biggest score on the Manhattan distance space method is 5,758 located in cluster 3, this shows that the optimal number of clusters for students of Muhammadiyah Cimanggu is three clusters. seen from Average within Centroid distance, Euclidean is smaller than manhattaan which is 15,115 <15,398, therefore the optimal distance measure to be used in the case of clustering data of Muhammadiyah Cimanggu vocational high School is Euclidean distance.Key Word: k means, manhattan, euclidean, promotion strategy.
 
Publisher LPPM Universitas Bina Sarana Informatika
 
Contributor
 
Date 2019-06-17
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Artikel yang dipeer-review
 
Format application/pdf
 
Identifier https://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/4630
10.31294/ijcit.v4i1.4630
 
Source IJCIT; Vol 4, No 1 (2019): IJCIT Mei 2019
IJCIT (Indonesian Journal on Computer and Information Technology); Vol 4, No 1 (2019): IJCIT Mei 2019
2549-7421
2527-449X
10.31294/ijcit.v4i1
 
Language ind
 
Relation https://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/4630/pdf_1
 
Rights ##submission.copyrightStatement##
http://creativecommons.org/licenses/by/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