Algoritma PAM (Partitioning Around Medoids)-Lite dengan Program R untuk Data Berukuran Besar

RIZKI AGUNG WIBOWO, 2027031005 (2022) Algoritma PAM (Partitioning Around Medoids)-Lite dengan Program R untuk Data Berukuran Besar. Masters thesis, UNIVERSITAS LAMPUNG.

[img]
Preview
File PDF
1. ABSTRAK.pdf

Download (408Kb) | Preview
[img] File PDF
2. FILE TESIS FULL.pdf
Restricted to Hanya staf

Download (4Mb)
[img]
Preview
File PDF
3. FILE TESIS FULL TANPA BAB PEMBAHASAN.pdf

Download (2985Kb) | Preview

Abstrak

ABSTRAK Analisis klaster k-medoid atau dikenal sebagai PAM (Partitioning Around Medoid) adalah salah satu analisis klaster berbasis partisi. PAM memiliki keunggulan yaitu robust terhadap data pencilan akan tetapi memiliki kelemahan yaitu tingkat komputasi yang buruk pada data berukuran besar, sehingga dikembangkan algoritma PAM-Lite untuk menjadi alternatif PAM. Pada penelitian ini dilakukan konstruksi function PAM-Lite pada program R karena belum ditemukan package yang didalamnya terdapat function PAM-Lite kemudian menguji keefektifannya menggunakan data simulasi. Berdasarkan hasil yang didapat, function PAM-Lite yang telah dikonstruksi dapat diproses dengan baik pada program R dan berdasarkan R-square, lebar silhouette dan waktu proses, PAM-Lite lebih efisien digunakan jika dibandingkan dengan PAM pada data berukuran besar. Kata kunci : Data pencilan, Analisis klaster, PAM-Lite, Pemrograman R ABSTRACT K-Medoid cluster analysis or known as PAM (Partitioning Around Medoid) is a partition-based cluster analysis method. This method has the advantage namely robust against outliers, however it also has disadvantage i.e. it is worse in computation when applied on large data, for this reason the PAM-Lite algorithm was developed to be an alternative for clustering large data. In this study, we constructed an R function (i.e. a block of codes which only runs when it is called) of PAM-Lite algorithm considering the unavailability of R packages that contains PAM-Lite function. The effectiveness of the constructed function then was tested using basic cluster benchmark data. Based on the result, PAM-Lite function can process properly in R program and is more efficient than PAM based on the R Square, Silhouette width and processing time on large data. Keyword : Outlier, Cluster Analysis, PAM-Lite, R Programing

Jenis Karya Akhir: Tesis (Masters)
Subyek: 500 ilmu pengetahuan alam dan matematika
500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi: FAKULTAS MIPA > Prodi Magister Ilmu Matematika
Pengguna Deposit: 2203735184 . Digilib
Date Deposited: 26 Jul 2022 00:56
Terakhir diubah: 26 Jul 2022 00:56
URI: http://digilib.unila.ac.id/id/eprint/64223

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir