Text

Perbandingan Metode K–Means dan Metode Dbscan Pada Pengelompokan Rumah Kost Mahasiswa di Kelurahan Tembalang Semarang

---

ABSTRAK

Mahasiswa sama halnya dengan masyarakat atau rumah tangga, juga
melakukan aktivitas ekonomi sehari-hari termasuk konsumsi. Kebutuhan
mahasiswa untuk memilih tempat tinggal juga merupakan salah satu bentuk dari
kegiatan konsumsi. Terdapat banyak faktor yang mempengaruhi preferensi
mahasiswa dalam pemilihan rumah kost, di antaranya harga, fasilitas, lokasi,
pendapatan, gaya hidup, dan lain-lain. Harga sewa kost dan fasilitas yang
ditawarkan berpengaruh signifikan positif terhadap preferensi mahasiswa dalam
memilih rumah kost. Dilakukan pengelompokan berdasarkan harga sewa dan
fasilitas yang ditawarkan agar diketahui kondisi rumah kost mahasiswa di
Kelurahan Tembalang. Pengelompokan merupakan salah satu tugas utama dalam
data mining dan telah banyak diaplikasikan di berbagai bidang. Metode yang
digunakan untuk mengelompokkan adalah K-Means dan DBSCAN dengan jumlah
kelompok sebanyak tiga. Selanjutnya hasil dari kedua metode dibandingkan
menggunakan nilai Indeks Silhouette untuk menentukan metode mana yang lebih
baik dalam mengelompokkan rumah kost mahasiswa. Berdasarkan hasil penelitian
yang telah dilakukan ditemukan bahwa metode K-Means bekerja lebih baik
dibanding DBSCAN dalam mengelompokkan rumah kost mahasiswa yang
dibuktikan dengan nilai Indeks Silhouette pada K-Means sebesar 0,463 lebih
tinggi dari nilai Indeks Silhouette pada DBSCAN yaitu sebesar 0,281.
Kata Kunci: rumah kost mahasiswa, data mining, pengelompokan, K-Means,
DBSCAN

ABSTRACT

Students as well as community or household, as well as economic
activities daily, including consumption. The student needs to choose a place to
stay is also one form of consumption activities. There are many factors that affect
student preferences in the selection of boarding houses, including price, amenities,
location, income, lifestyle, and others. The rental price boarding and facilities
offered significant positive effect on student preferences in choosing a boarding
house. Do groupings based on rental rates and facilities offered in order to know
the condition of the student boarding house in the Village Tembalang. Grouping is
one of the main tasks in data mining and have been widely applied in various
fields. The method used to classify is K-Means and DBSCAN with a number of
groups of three. Furthermore, the results of both methods were compared using
the Silhouette index values to determine which method is better to classify the
student boarding house. Based on the research that has been conducted found that
the K-Means method works better than DBSCAN to classify the student boarding
house as evidenced by the value of the Silhouette index on K-Means of 0.463 is
higher than the value at DBSCAN Silhouette index is equal to 0.281.
Keywords: student boarding houses, data mining, clustering, K-Means, DBSCAN

---

Ketersediaan

504E16IV

515 BUD p

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

515 BUD p

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1421

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Sisca Agustin Diani Budiman

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar