ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND LOGO
|
|
- Hartanti Jayadi
- 8 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND
2 Kompetensi menghitung jarak antar individu Membentuk gerombol dengan menggunakan metode gerombol berhierarkhi Membentuk gerombol dengan menggunakan metode gerombol tak berhierarkhi Jur. Matematika Unand
3 Analisis Gerombol Suatu teknik analisis statistika peubah ganda yang dapat digunakan untuk mengelompokkan objekobjek ke dalam beberapa gerombol berdasarkan peubah-peubah yang diamati pada objek-objek tersebut Diharapkan : Objek-objek yang mirip akan berada pada gerombol yang sama Objek-objek yang tidak mirip akan masuk ke dalam gerombol yang berbeda
4 Tujuan Analisis Gerombol Reduksi Data : mereduksi n objek menjadi beberapa gerombol Membangkitkan pengujian hipotesis : membangkitkan pengujian hipotesis mengenai variabel-variabel berdasarkan gerombol yang terbentuk
5 Contoh Di bidang pertanian untuk mengelompokkan tanaman untuk tujuan persilangan atau faktor penentu kelompok Di bidang psikologi untuk mengelompokkan objek berdasarkan kepribadian Di bidang pengembangan wilayah untuk mengelompokkan wilayah berdasarkan berbagai aspek demografinya Di bidang pemasaran produk untuk mengelompokkan wilayah pemasaran sehingga uji pasar dapat dilakukan terhadap satu kota pada masing-masing kelompok
6 Dilakukan pengamatan/ pengukuran p peubah (X1, X2,, Xp) terhadap n objek pengamatan Diperoleh data : Data ini dapat merupakan hasil dari analisis lain seperti AKU Objek X1 X2 Xp 1 x 11 x 21 x p1 2 x 12 x 22 x p2 3 x 13 x 23 x p3 : : : : n x 1n x 2n x pn Data asli sebaiknya dibakukan terlebih dahulu untuk menghindari dominasi salah satu peubah dalam analisis gerombol (cat : dalam penentuan matriks jarak)
7 Hasil Penggerombolan tergantung kepada : 1. Objek yang digunakan 2. Peubah yang diamati 3. Ukuran kemiripan dan ketakmiripan yang digunakan 4. Metode penggerombolan yang digunakan
8 Teknik Penggerombolan 1. Secara grafis 2. Teknik penggerombolan berhierarkhi a. Penggabungan (aglomerative) b. Pembagian (Divisive) (Cat : dimulai dengan penghitungan jarak) 3. Teknik penggerombolan tak berhierarkhi atau teknik penyekatan (partitioning technique) * dalam proses penggerombolan, objek dimungkinkan berpindah dari satu gerombol ke gerombol lain
9 Ukuran kemiripan/ketakmiripan antar individu Ukuran Kemiripan, diukur dengan koefisien kemiripan Suatu ukuran yang mengukur kemiripan antar individu Semakin mirip, semakin besar ukuran kemiripan tersebut Ukuran Ketakmiripan, diukur dengan koefisien ketakmiripan Suatu ukuran yang mengukur ketakmiripan antar individu Semakin tak mirip, semakin besar ukuran ketakmiripan tersebut Ukuran kemiripan dapat ditransformasi menjadi ukuran ketakmiripan dan sebaliknya
10 Ukuran ketakmiripan Suatu koefisien dinamakan koefisien ketakmiripan jika memenuhi syarat-syarat sbb :. d( x, y). d(x, x) 0 = 0. d ( x, y) = d( y, x) (Kondisi kesimetrikan) Bila kondisi dibawah ini terpenuhi, maka koefisien tersebut dinamakan JARAK d ( x, z) d( x, y) + d( y, z) Catatan : d(x,y) : jarak antara objek x dan y
11 Jarak : Salah satu ukuran ketakmiripan Misalkan 2 objek objek x= y = ( x1 x2 L x p ) ( y y L ) 1 y p Jarak antara dua objek 1. Jarak Euclid d 2 n 2 T ( x, y) ( ) = ( x y) ( x y) = i= 1 x i y i 2. Jarak Mahalanobis M T 1 ( x, ) = ( x y) S ( x y) d y
12 Jarak : Salah satu ukuran ketakmiripan 3. Khi Kuadrat 4. Jarak Minskowski d n 1 / k, ( x y) = i= 1 x i y i k k = 1 Jarak Manhattan atau city block distance k = 2 Jarak Euclid
13 Contoh : Objek X1 X2 X Hitung jarak antar objek
14 Analisis Gerombol Berhierarkhi Penggabungan 1. Bentuk matriks jarak antar objek; * biasanya dilakukan pembakuan terlebih dahulu agar tidak ada peubah yang mendominasi perhitungan jarak. 2. Bentuk n buah gerombol (n = banyak objek) yang masing-masingnya berisi 1 objek 3. Kelompokkan dua gerobol yang berjarak paling dekat 4. Perbaiki jarak antar gerombol dengan menggunakan salah satu metode perbaikan jarak 5. Lakukan langkah 2 dan 3 sampai diperoleh satu gerombol yang berisi seluruh objek.
15 Langkah 1. Bentuk matriks jarak Biasanya data dipusatkan terlebih dahulu Objek X1 X2 X Objek Z1 Z2 Z
16 Langkah 1. Bentuk matriks jarak Biasanya data dipusatkan terlebih dahulu Objek Cat : ukuran jarak sudah dibulatkan
17 Langkah 2.Gabungkan objek dengan jarak paling kecil (objek paling mirip) Objek Cat : objek 2 dan 5 digabung
18 Langkah 3. Perbaiki jarak
19 Metode Perbaikan Jarak 1. Metode Pautan Tungga (Single Lingkage atau nearest neighbour) k ( i, j) = { d d } d min, ki kj 2. Metode Pautan Lengkap (Complete Lingkage atau furthest neighbour k ( i, j) = { d d } d max, ki kj 3. Metode Rata-rata Group d k ( i, j) = n i d ki n i + + n n j j d kj
20 Metode Perbaikan Jarak 4. Metode Sentroid d k ( i, j) = n i d ki n i + + n n j j d kj n ( n+ n ) 2 i i n j d j ij 5. Metode Median d k ( i, j ) = d ki+ d kj 1 4 d ij
21 k ( i, j) = { d d } d min, ki kj Langkah 3. Perbaiki jarak { d } Mis digunakan met.pautan tunggal d k ( i, j) = mind ki, Yang perlu diperbaiki adalah jarak gerombol (2,5) dengan gerombol lain { d } 1,2, 1, = min{ 1.7,2.1} 1. 7 { d, } 3,2 3, = min{ 3.1,3.4} 3.1 { d, } = min { 2.2,1.6 } 1. 6 d1 (2,5) = min d 5 = d3 (2,5) = min d 5 = d4 (2,5) = min 4,2d4, 5 = Ger kj
22 k ( i, j) = { d d } d min, ki kj Langkah 3. Perbaiki jarak JADI. Ger 1 2, ,
23 k ( i, j) = { d d } d min, ki kj Ulangi.. Ger 1 2, , Gerombol (2,5) dan 4 digabung d(1,3),(2,5;4) = min{ d(1,3),(2,5), d(1,3), 4} = min { 1.7,2.9} = 1. 7 Gerombol 1 dan 3 digabung d d (2,5),(1,3) 4,(1,3) = min = min { d } (2,5), 1, d(2,5),3= min1.7,3.1 { } { d, d } = min2.9,3.7 { } = ,1 4,3 Ger 1,3 2,5 4 1,3 0 2, = 1,7
24 k ( i, j) = { d d } d min, ki kj Ulangi.. Ger 1,3 2,5,4 1,3 0 2,5, Gerombol (2,5,4) dan (1,3) digabung RINGKASAN TAHAP GEROMBOL DIGABUNG JARAK PENGGA BUNGAN , ,5,4 1,3 1.7
25 Dendogram Gerombol : (2,5); 1;3;
26 Kalau hasilnya spt ini Gerombol : (2,5); (1,3);
27 Analisis Gerombol Tak berhierarkhi Rataan-k Tentukan k = banyaknya gerombol yang akan dibentuk Bagi pengamatan-pengamatan tersebut secara sebarang ke dalam k gerombol Tentukan pusat masing-masing gerombol Hitung jarak setiap pengamatan terhadap masing-masing pusat gerombol. Pindahkan objek-objek ke suatu gerombol yang jaraknya paling dekat. Ulangi langkah 3 5 sampai tidak terjadi lagi perpindahan objek.
28 Edit your company slogan
LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA. Modul II CLUSTERING
LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA Modul II CLUSTERING TUJUA PRAKTIKUM 1. Mahasiswa mempunyai pengetahuan dan kemampuan dasar dalam
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 13 Peubah Ganda
STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda
Lebih terperinciANALISIS GEROMBOL CLUSTER ANALYSIS
ANALISIS GEROMBOL CLUSTER ANALYSIS Pendahuluan Tujuan dari analisis gerombol : Menggabungkan beberapa objek ke dalam kelompok-kelompok berdasarkan sifat kemiripan atau sifat ketidakmiripan antar objek
Lebih terperinciPENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER ENSEMBLE
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 13 23 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER
Lebih terperinciBAB II KAJIAN TEORI. linier, varian dan simpangan baku, standarisasi data, koefisien korelasi, matriks
BAB II KAJIAN TEORI Pada bab II akan dibahas tentang materi-materi dasar yang digunakan untuk mendukung pembahasan pada bab selanjutnya, yaitu matriks, kombinasi linier, varian dan simpangan baku, standarisasi
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis),
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa konsep yang menjadi dasar dalam penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis), metode penggerombolan hirarki
Lebih terperinciPertemuan 14 HIERARCHICAL CLUSTERING METHODS
Pertemuan 14 HIERARCHICAL CLUSTERING METHODS berdasar gambar berdasar warna A A A A Q Q Q Q K K K K J J J J 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 7 7 7 7 8 8 8 8 9 9 9 9 10 10 10 10 A K Q J (a). Individual
Lebih terperinciHI. KERANGKA TEORI. kelompok tersebut menimbulkan pengurangan dimensionalitas suatu tabel data,
HI. KERANGKA TEORI 3.1. Cluster Analysis Cluster analyszs adalah suatu analisis untuk menyusun objek-objek menjadi kelompok-kelompok (cluster-cluster) dan pembentukan kelompok- kelompok tersebut menimbulkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemiskinan merupakan masalah yang sulit untuk diatasi. Salah satu sasaran pembangunan nasional adalah penurunan tingkat kemiskinan. Menurut Badan Pusat Statistik,
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan algoritma hierarchical clustering dan k-means untuk pengelompokan desa tertinggal.
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciPengenalan Pola. Klasterisasi Data
Pengenalan Pola Klasterisasi Data PTIIK - 2014 Course Contents 1 Konsep Dasar 2 Tahapan Proses Klasterisasi 3 Ukuran Kemiripan Data 4 Algoritma Klasterisasi Konsep Dasar Klusterisasi Data, atau Data Clustering
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Traveling Salesmen Problem (TSP) Travelling Salesman Problem (TSP) merupakan sebuah permasalahan optimasi yang dapat diterapkan pada berbagai kegiatan seperti routing. Masalah
Lebih terperinciCompany LOGO ANALISIS BIPLOT
Company LOGO ANALISIS BIPLOT Pendahuluan Company name Data : ringkasan berupa nilai beberapa peubah pada beberapa objek Objek n Nilai Peubah X X.. Xp Company name Penyajian Data dalam bentuk matriks =
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Clustering Analysis Clustering analysis merupakan metode pengelompokkan setiap objek ke dalam satu atau lebih dari satu kelompok,sehingga tiap objek yang berada dalam satu kelompok
Lebih terperinciCluster Analysis. Hery Tri Sutanto. Jurusan Matematika MIPA UNESA. Abstrak
S-17 Cluster Analysis Hery Tri Sutanto Jurusan Matematika MIPA UNESA Abstrak Dalam analisis cluster mempelajari hubungan interdependensi antara seluruh set variabel perlu diteliti. Tujuan utama analisis
Lebih terperinciInfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 3, No.2, September 2014
APLIKASI METODE-METODE AGGLOMERATIVE DALAM ANALISIS KLASTER PADA DATA TINGKAT POLUSI UDARA Oleh: Dewi Rachmatin Jurusan Pendidikan Matematika, UniversitasPendidikan Indonesia dewirachmatin@upi.edu ABSTRAK
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciKONSEP DASAR SAMPLING
TEKNIK SAMPLING KONSEP DASAR SAMPLING LOGO HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNAND TEKNIK SAMPLING Metode pengambilan sebagian anggota populasi sedemikian rupa sehingga contoh yang
Lebih terperinciPengenalan Pola. Hierarchical Clustering
Pengenalan Pola Hierarchical Clustering PTIIK - 2014 Course Contents 1 Agglomerative Hierarchical Clustering (AHC) 2 Stui Kasus 3 Latihan an Diskusi 4 Progress Final Project Hierarchical Clustering Hierarchical
Lebih terperinciTabel 6 Daftar peubah karakteristik
6 Tabel 6 Daftar peubah karakteristik Kode. Keterangan X1 Hasil gabah (kg/ha) X2 Umur saat akar tembus lilin (HST) X3 Jumlah akar tembus X4 Panjang akar tembus (cm) X5 Berat akar (gr) X6 Laju asimilasi
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan banyak variabel. Analisis
Lebih terperinciPENERAPAN ANALISIS GEROMBOL DAN TEKNIK VALIDASI PADA PENGGEROMBOLAN KLON TEH LEMMA FIRARI BOER
PENERAPAN ANALISIS GEROMBOL DAN TEKNIK VALIDASI PADA PENGGEROMBOLAN KLON TEH LEMMA FIRARI BOER DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 0 RINGKASAN
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari
BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Eksplorasi Data Diagram kotak garis (boxplot) merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran.
Lebih terperinciANALISIS KELOMPOK DENGAN MENGGUNAKAN METODE HIERARKI UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASAR INDIKATOR KESEHATAN
1 ANALISIS KELOMPOK DENGAN MENGGUNAKAN METODE HIERARKI UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASAR INDIKATOR KESEHATAN, dan, Universitas Negeri Malang Email: lina_ninos26@yahoo.com ABSTRAK:
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bagian ini akan dijelaskan beberapa konsep dasar yang berkaitan dengan permasalahan, seperti definisi dan teorema yang dijadikan landasan dalam penelitian ini. 2.1 Graf Graf
Lebih terperinciDSS untuk Menganalisis ph Kesuburan Tanah Menggunakan Metode Single Linkage
61 DSS untuk Menganalisis ph Kesuburan Tanah Menggunakan Metode Single Linkage Abdi Pandu Kusuma, Rini Nur Hasanah, dan Harry Soekotjo Dachlan Abstrak - ph tanah merupakan ukuran jumlah ion hidrogen dalam
Lebih terperinciTINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??
TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal
Lebih terperinciPENGGEROMBOLAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR MENGGUNAKAN METODE TWO STEP CLUSTER
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 121 129 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGGEROMBOLAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR MENGGUNAKAN METODE TWO
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Uji Hipotesis
BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang pengujian hipotesis, metode klasifikasi berstruktur pohon, metode-metode statistika yang menjadi dasar pada metode QUEST, dan algoritme QUEST..1
Lebih terperinci*Corresponding Author:
PERBANDINGAN KINERJA METODE COMPLETE LINKAGE DAN AVERAGE LINKAGE DALAM MENENTUKAN HASIL ANALISIS CLUSTER (Studi Kasus: Produksi Palawija Provinsi Kalimantan Timur 2014/2015) Silvia Ningsih 1, Sri Wahyuningsih
Lebih terperinciANALISIS CLUSTER KABUPATEN/KOTA DI RIAU BERDASARKAN PENDAPATAN DOMESTIK REGIONAL BRUTO (PDRB) TAHUN 2010 TUGAS AKHIR
ANALISIS CLUSTER KABUPATEN/KOTA DI RIAU BERDASARKAN PENDAPATAN DOMESTIK REGIONAL BRUTO (PDRB) TAHUN 2010 TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 ANALISIS CLUSTER PADA DOKUMEN TEKS Budi Susanto (versi 1.3) Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep analisis clustering Memahami
Lebih terperinciUniversitas Negeri Malang Kata Kunci: cluster, single linkage, complete linkage, silhouette, pembangunan manusia.
1 PERBANDINGAN JUMLAH KELOMPOK OPTIMAL PADA METODE SINGLE LINKAGE DAN COMPLETE LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE: Studi Kasus pada Data Pembangunan Manusia Jawa Timur Yuli Novita Indriani 1, Abadyo
Lebih terperinciPenyajian Grafis Data Peubah Ganda
ANALISIS PEUBAH GANDA Penyajian Grafis Data Peubah Ganda HAZMIRA YOZZA JUR.MATEMATIKA FMIPA UNAND BEBERAPA ALAT PENYAJIAN DATA PEU BAH GANDA Diagram pencar Matriks plot profil Diagram bintang glyphs diagram
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
25 BAB 3 METODOLOGI PENELITIAN 3.1. Analisis Permasalahan Pada regresi berganda terdapat beberapa masalah yang dapat terjadi sehingga dapat menyebabkan estimasi koefisien regresi menjadi tidak stabil.
Lebih terperinciANALISIS KELOMPOK METODE HIRARKI UNTUK PENGELOMPOKAN KOTA/KABUPATEN DI JAWA TIMUR BERDASARKAN INDIKATOR KETENAGAKERJAAN,,
1 ANALISIS KELOMPOK METODE HIRARKI UNTUK PENGELOMPOKAN KOTA/KABUPATEN DI JAWA TIMUR BERDASARKAN INDIKATOR KETENAGAKERJAAN,, Universitas Negeri Malang E-mail: desypurwaningyas@ymail.com Abstrak: Dengan
Lebih terperinciANALISA FAKTOR PENYEBAB KREDIT MACET DENGAN METODE QUEST
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 76 85 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISA FAKTOR PENYEBAB KREDIT MACET DENGAN METODE QUEST OLIVIA PRIMA DINI, HAZMIRA YOZZA, DODI DEVIANTO
Lebih terperinciBAB II TINJAUAN PUSTAKA. mengelompokkan anggota-anggota yang mirip atau mempunyai karakteristik yang
BAB II TINJAUAN PUSTAKA 2.1 Analisis Gerombol 2.1.1 Pengertian Analisis Gerombol Cluster atau gerombol dapat diartikan kelompok dengan demikian, pada dasarnya analisis gerombol akan menghasilkan sejumlah
Lebih terperinciUKURAN PENYEBARAN DATA
UKURAN PENYEBARAN DATA HERDIAN S.Pd., M.Pd. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK) PRINGSEWU UKURAN PENYEBARAN DATA Selain ukuran pemusatan data dan ukuran letak data, ada juga yang
Lebih terperinciPenggerombolan Sekolah Menengah Atas Berdasarkan Nilai Ujian Nasional Di Kota Manado
Penggerombolan Sekolah Menengah Atas Berdasarkan Nilai Ujian Nasional Di Kota Manado Charles E. Mongi 1*, Chriestie E.J.C. Montolalu 2 1,2 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciCLUSTER ENSEMBLE DALAM PENGGEROMBOLAN VARIETAS PADI
1 CLUSTER ENSEMBLE DALAM PENGGEROMBOLAN VARIETAS PADI VIVI HERYANTI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 2 RINGKASAN VIVI HERYANTI. Cluster
Lebih terperinciAnalisis Cluster terhadap Tingkat Pencemaran Udara pada Sektor Industri di Sumatera Selatan
Jurnal Penelitian Sains Volume 14 Nomer 3(A) 14303 Analisis Cluster terhadap Tingkat Pencemaran Udara pada Sektor Industri di Sumatera Selatan Robinson Sitepu, Irmeilyana, dan Berry Gultom Jurusan Matematika,
Lebih terperinciDETEKSI GEROMBOL DENGAN METODE K-RATAAN KERNEL GAUSS BIMANDRA ADIPUTRA DJAAFARA
i DETEKSI GEROMBOL DENGAN METODE K-RATAAN KERNEL GAUSS BIMANDRA ADIPUTRA DJAAFARA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ii ABSTRAK BIMANDRA
Lebih terperinciANALISIS CLUSTER PADA DOKUMEN TEKS
Budi Susanto ANALISIS CLUSTER PADA DOKUMEN TEKS Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep analisis clustering Memahami tipe-tipe data dalam clustering Memahami beberapa algoritma
Lebih terperinciPENGELOMPOKKAN KABUPATEN DI PROVINSI BALI BERDASARKAN PERKEMBANGAN FASILITAS PARIWISATA
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 53-58 ISSN: 2303-1751 PENGELOMPOKKAN KABUPATEN DI PROVINSI BALI BERDASARKAN PERKEMBANGAN FASILITAS PARIWISATA NOVA SARI BARUS 1, I PUTU EKA NILA KENCANA
Lebih terperinciAnalisis Klaster Hierarki Untuk Pengelompokkan Kabupaten/Kota Di Jawa Tengah Berdsarkan Indikator Indeks Pembangunan Manusia (IPM) Tahun 2015
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 229-239 p-issn: 2580-4596; e-issn: 2580-460X Halaman 229 Analisis Klaster Hierarki Untuk Pengelompokkan
Lebih terperinciJumlah persentase ini tidak harus persis seperti diatas tetapi bisa bervariasi tergantung di perusahaan mana metode ini diterapkan.
BAB 2 TINJAUAN PUSTAKA 2.1 Metode Pengelompokan ABC Pada abad ke-18, Villfredo Pareto, dalam penelitiannya mengenai distribusi kekayaan penduduk di Milan Italia, menemukan bahwa 20% dari total populasi
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciPENGELOMPOKAN DESA DI KABUPATEN JEMBER BERDASARKAN PEUBAH POTENSI DESA MENGGUNAKAN METODE TWO STEP CLUSTERING DENGAN JARAK LOG-LIKELIHOOD SKRIPSI
i PENGELOMPOKAN DESA DI KABUPATEN JEMBER BERDASARKAN PEUBAH POTENSI DESA MENGGUNAKAN METODE TWO STEP CLUSTERING DENGAN JARAK LOG-LIKELIHOOD SKRIPSI Oleh Mike Ardilla Rahmawati NIM 071810101097 JURUSAN
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Data menjadi sesuatu yang sangat berharga saat ini. Tidak hanya badan pemerintah saja, perusahaan-perusahaan saat ini pun sangat membutuhkan informasi dari data yang
Lebih terperinciLOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND
LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND Kompetensi Khusus menjelaskan mengenai pengujian hipotesis dan hal-hal yang terkait menguraikan langkah-langkah pengujian
Lebih terperinciSTUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 18 26 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data
METODE PENELITIAN Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kabupaten Solok Provinsi Sumatera Barat. Penelitian dilaksanakan selama 4 bulan dimulai dari bulan Juni hingga September 2011.
Lebih terperinciBAB III PEMBAHASAN. survei yang dilakukan BPS pada 31 Oktober Langkah selanjutnya yang
BAB III PEMBAHASAN Data yang digunakan dalam skripsi ini merupakan data sekunder yang diperoleh dari buku saku Ikhtisar Data Pendidikan Tahun 2016/2017. Data tersebut dapat dilihat pada Lampiran 1. Data
Lebih terperinciBAB III DIVISIVE ANALISIS. Pada bab ini akan dipaparkan bagaimana konsep dari divisive analisis serta
13 BAB III DIVISIVE ANALISIS Pada bab ini akan dipaparkan bagaimana konsep dari divisive analisis serta algoritma dari metode tersebut. 3.1 DEFINISI METODE DIVISIVE Teknik divisive klastering termasuk
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciBAB I PENDAHULUAN. 7). Analisis ini dikelompokkan menjadi dua, yaitu analisis dependensi dan
BAB I PENDAHULUAN A. Latar Belakang Analisis multivariat merupakan analisis multivariabel yang berhubungan dengan semua teknik statistik yang secara simultan menganalisis sejumlah pengukuran pada individu
Lebih terperinciBAB II TINJAUAN PUSTAKA. digunakan untuk menganalisis data dengan lebih dari satu peubah bebas
BAB II TINJAUAN PUSTAKA 2.1. Analisis Peubah Ganda Analisis peubah ganda merupakan salah satu jenis analisis statistika yang digunakan untuk menganalisis data dengan lebih dari satu peubah bebas (independen
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan
Lebih terperinciPENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN
PENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN Indah Ratih Anggriyani 1), Dariani Matualage 2), Esther Ria Matulessy 3) 1)2)3) Jurusan Matematika
Lebih terperinciDATA MINING. Pertemuan 9. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 9 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2016 Clustering Data Mining Penklusteran (clustering) digunakan untuk
Lebih terperinciPENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN
E-Jurnal Matematika Vol. (), Mei, pp. - ISSN: - PENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN Ni Wayan Aris Aprilia A.P, I Gusti Ayu Made Srinadi, Kartika Sari Jurusan Matematika,
Lebih terperinciKing s Learning Be Smart Without Limits NAMA : KELAS :
NAMA : KELAS : A. PENGERTIAN STATISTIKA Statistika adalah ilmu yang mempelajari cara mengumpulkan dan menyusun data, mengolah dan menganalisis data, serta menyajikan data. Statistik adalah hasil dari pengolahan
Lebih terperinciBAB IV ANALISIS IMPLEMENTASI VARIASI MENGAJAR PADA MATA PELAJARAN FIQIH KELAS V DI MIS KERTIJAYAN
BAB IV ANALISIS IMPLEMENTASI VARIASI MENGAJAR PADA MATA PELAJARAN FIQIH KELAS V DI MIS KERTIJAYAN A. Analisis Pendahuluan Analisis pendahuluan merupakan tahap pengelompokan data yang dimasukkan ke dalam
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Tinjauan Pustaka Pada penelitian yang dilakukan oleh (Chen, Sain, & Guo, 2012) berfokus untuk mengetahui pola penjualan, pelanggan mana yang paling berharga, pelanggan mana yang
Lebih terperinciII. TINJAUAN PUSTAKA. dengan kendala menjadi model penuh tanpa kendala,
4 II. TINJAUAN PUSTAKA Dalam penelitian ini akan didiskusikan tentang transformasi model tak penuh dengan kendala menjadi model penuh tanpa kendala, pendugaan parameter, pengujian hipotesis dan selang
Lebih terperinciDATA MINING DAN WAREHOUSE A N D R I
DATA MINING DAN WAREHOUSE A N D R I CLUSTERING Secara umum cluster didefinisikan sebagai sejumlah objek yang mirip yang dikelompokan secara bersama, Namun definisi dari cluster bisa beragam tergantung
Lebih terperinciPengelompokan Bank di Indonesia Berdasarkan Variabel Keuangan dengan Menggunakan Analisis Faktor dan Analisis Gerombol Berhirarki
Prosiding Semirata FMIPA Universitas Lampung, 2013 Pengelompokan Bank di Indonesia Berdasarkan Variabel Keuangan dengan Menggunakan Analisis Faktor dan Analisis Gerombol Berhirarki 1 Maiyastri, 1 Izzati
Lebih terperinciContoh Analisis Kurikulum
Contoh Analisis Kurikulum Mata Pelajaran : Matematika Kelas/Semester : XI / 1 Standar Kompetensi : Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan masalah Kompetensi
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Kemiskinan Menurut Badan Pusat Statistik (BPS) dan Departemen Sosial kemiskinan adalah ketidakmampuan individu untuk memenuhi kebutuhan dasar minimal untuk hidup layak (baik
Lebih terperinciPENGGEROMBOLAN DAN PEMETAAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT BERDASARKAN NILAI UJIAN NASIONAL SMA DAN AKREDITASI SEKOLAH CHARLES E.
PENGGEROMBOLAN DAN PEMETAAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT BERDASARKAN NILAI UJIAN NASIONAL SMA DAN AKREDITASI SEKOLAH CHARLES E. MONGI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciAnalisis Cluster dengan Average Linkage Method dan Ward s Method untuk Data Responden Nasabah Asuransi Jiwa Unit Link
Analisis Cluster dengan Average Linkage Method dan Ward s Method untuk Data Responden Nasabah Asuransi Jiwa Unit Link SKRIPSI Diajukan Kepada Fakultas Matematikan dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam proses analisis klaster pada bab selanjutnya. 2.1 DATA MULTIVARIAT Data yang diperoleh dengan mengukur
Lebih terperinciPENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 53 61 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA OLIVIA ATINRI,
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT BERWIRAUSAHA MAHASISWA DENGAN TEKNIK SEM
Jurnal Matematika UNAND Vol. 1 No. 2 Hal. 5 12 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT BERWIRAUSAHA MAHASISWA DENGAN TEKNIK SEM FATRIKA FAHMI, HAZMIRA
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciRuang Lingkup STATISTIKA
Ruang Lingkup STATISTIKA Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas LOGO Kompetensi menjelaskan pengertian statistika dan ruang lingkup statistika menjelaskan pengertian
Lebih terperinciUKURAN DISPERSI (SEBARAN)DATA
Malim Muhammad, M.Sc. UKURAN DISPERSI (SEBARAN)DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DISPERSI
Lebih terperinciMODUL 1. Teori Bilangan MATERI PENYEGARAN KALKULUS
MODUL 1 Teori Bilangan Bilangan merupakan sebuah alat bantu untuk menghitung, sehingga pengetahuan tentang bilangan, mutlak diperlukan. Pada modul pertama ini akan dibahas mengenai bilangan (terutama bilangan
Lebih terperinciBAB III K-MEDIANS CLUSTERING
BAB III 3.1 ANALISIS KLASTER Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Metode interdependensi berfungsi untuk memberikan makna terhadap seperangkat
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Pada penelitian ini dilakukan sebanyak tiga tahap analisis sampai terbentuk peta MDS. Tahapan tersebut adalah analisis subjek, analisis co-words, dan analisis multivariat (HCA
Lebih terperinciData Mining. Metode Klasterisasi K-Means
Data Mining Metoe Klasterisasi K-Means Pokok Pembahasan. Konsep Dasar Clustering. Tahapan Clustering. K-Means Clustering Algoritma K-Means Rumus Umum K-Means 4. Case Stu Konsep Dasar Klusterisasi Data,
Lebih terperinciBAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n<<p DAN TERDAPAT KEKOLINEARAN-GANDA
BAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n
Lebih terperinciLOGO STATISTIKA MATEMATIKA I TEORI PELUANG HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND
LOGO STATISTIKA MATEMATIKA I TEORI PELUANG HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND Tujuan Instruksional Khusus 1 Menentukan ruang contoh sebuah percobaan dan kejadiankejadian 2 Mencacah
Lebih terperinciKAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST
LAPORAN PENELITIAN BIDANG ILMU KELOMPOK TINGKAT LANJUT KAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST Oleh: Drs. Timbul Pardede, M.Si Drs. Budi Prasetyo, M.Si FAKULTAS
Lebih terperinciDAFTAR ISI. ABSTRAK... i. KATA PENGANTAR... ii. UCAPAN TERIMA KASIH... iii. DAFTAR ISI... vi. DAFTAR TABEL... x. DAFTAR GAMBAR...
DAFTAR ISI Halaman LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iii DAFTAR ISI... vi DAFTAR TABEL... x DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv BAB I PENDAHULUAN...
Lebih terperinciBAB I PENDAHULUAN. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada hubungan satu variabel atau dua variabel saja, akan tetapi cenderung melibatkan banyak variabel. Analisis
Lebih terperinciBAB I PENDAHULUAN. menggali informasi sebanyak-banyaknya. Tanpa keberadaan informasi, mustahil ilmu
BAB I PENDAHULUAN 1. 1 Latar Belakang Perkembangan ilmu dan teknologi yang sangat cepat mendorong kita untuk menggali informasi sebanyak-banyaknya. Tanpa keberadaan informasi, mustahil ilmu pengetahuan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI II.1 Sistem Pendukung Keputusan II.1.1 Definisi Sistem Pendukung Keputusan Berdasarkan Efraim Turban dkk, Sistem Pendukung Keputusan (SPK) / Decision Support System (DSS) adalah sebuah
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi KULIAH #9 Text Clustering (Ch.16 & 17) Clustering Pengelompokan, penggerombolan Proses pengelompokan sekumpulan obyek ke dalam kelas-kelas obyek yang memiliki sifat sama.
Lebih terperinciPengantar Teori Bilangan. Kuliah 4
Pengantar Teori Bilangan Kuliah 4 Materi Kuliah Bilangan Prima dan Distribusinya Teorema Fundamental Aritmatika Saringan Eratosthenes 22/2/2014 Yanita, FMIPA Matematika Unand 2 Bilangan Prima dan Komposit
Lebih terperincix j dan HASIL DAN PEMBAHASAN
Kategori sedang (S) ika nilai rata-rata peubah ke- pada gerombol berada diantara nilai ( x - s ) dan ( x + s ). Kategori rendah (R) ika nilai rata-rata peubah ke- pada gerombol berada dibawah nilai ( x
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciIMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING
IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING Yoga Bhagawad Gita 1, Ahmad Saikhu 2 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember
Lebih terperinciPERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA
Lebih terperinci