REKOMENDASI SPESIFIKASI PROCESSOR MENGGUNAKAN ANALISA K-MEANS CLUSTER
Author (Penulis)
RIFA'I DWI CAHYONOUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.03.0143Abstract
Penelitian ini dilatar belakangi dari banyaknya orang yang masih bingung untuk menentukan processor yang sesuai dengan kebutuhan. Banyaknya versi processor yang dijual dipasaran membingungkan pengguna dalam memilih spesifikasi processor sesuai dengan kebutuhan.
Permasalahan yang ingin diselesaikan yaitu bagaimana mengelompokkan processor berdasarkan spesifikasi menggunakan algoritma k-means dan bagaimana mengevaluasi cluster menggunakan Davies Bouldin Index (DBI) dengan tool RapidMiner Studio.
Metode clustering dengan algoritma k-means dapat digunakan untuk pengelompokan data berdasarkan kemiripan data. Pada penelitian ini dilakukan pengelompokan data processor dengan tiga jumlah cluster yang berbeda, yaitu model 2 cluster, model 3 cluster dan model 4 cluster. Hasil perhitungan dari algoritma k-means tersebut kemudian dievaluasi menggunakan Davies Bouldin Index (DBI) dengan bantuan tool RapidMiner Studio. Selanjutnya hasil evaluasi akan dibandingkan, pengelompokan dengan jumlah cluster berapa yang paling optimal.
Hasil dari DBI menunjukkan bahwa model 2 cluster adalah cluster paling homogen dengan nilai DBI sebesar 0,435. Jadi pengelompokan dengan model 2 cluster akan digunakan untuk membantu menentukan rekomendasi pemilihan processor.
Hasil pengelompokan dengan model 2 cluster, yaitu cluster pertama merupakan data processor dengan spesifikasi rendah sehingga dapat direkomendasikan untuk kebutuhan ringan seperti untuk mengetik dokumen dan cluster kedua merupakan data processor dengan spesifikasi tinggi sehinngga dapat direkomendasikan untuk keperluan game atau desain grafis.
Keyword
aReference
Abdillah, G., Putra, F. A., & Renaldi, F. (2016). Penerapan Data Mining Pemakaian Air Pelanggan untuk Menentukan Klasifikasi Potensi Pemakaian Air Pelanggan Baru di PDAM Tirta Raharja Menggunakan Algoritma K-Means. SENTIKA 2016, 498-506.
Apriliyaningsih, I. D., & Istiawan, D. (2017). Penerapan Seleksi Atribut Berdasarkan Koefisien Variansi dan Korelasi untuk Inisialisasi Pusat Awal Klaster pada Algoritma K-Means dalam Pemetaan E-Government Tahun 2016. The 6th University Research Colloquium 2017, 245-250.
C, D. A., Baskoro, D. A., Ambarwati, L., & Wicaksana, I. W. (2013). Belajar Data Mining dengan Rapid Miner. Retrieved November 21, 2017, from https://www.academia.edu/7712860/Belajar_Data_Mining_dengan_RapidMiner?_e_pi_=7%2CPAGE_ID10%2C6196453207
Daniati, E. (2012). Klasifikasi Jenis Bimbingan dan Konseling Siswa SMKN 1 Kediri Menggunakan Naive Bayes Classifier dan Nearest Neighbor. Nusantara of Engginering (NoE), vol. 1, 22-27.
Fraenkel, J., Wallen, N., & Hyun, H. (2012). How to Design and Evaluate Research in Education. New York: McGraw-Hill.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and Techniques. Waltham: Morgan Kaufmann.
Kuntjojo. (2009). Metodologi Penelitian. Retrieved Desember 12, 2017, from https://ebekunt.files.wordpress.com/2009/04/metodologi-penelitian.pdf
Nasari, F., & Darma, S. (2015). Penerapan K-Means Clustering pada Data Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Potensi Utama). Seminar Nasional Teknologi Informasi dan Multimedia, 73-78.
Ong, J. O. (2013). Implementasi Algoritma K-Means Clustering untuk Menentukan Strategi Marketing President University. Jurnal Ilmiah Teknik Industri, 10-20.
Poerwanto, B., & Fa’rifah, R. (2016). Analisis Cluster K-Means dalam Pengelompokan Kemampuan Mahasiswa. Jurnal Scientific Pinisi, 92-96.
Prasetyo, E. (2012). Data Mining - Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: ANDI.
Sadewo, M., Windarto, A., & Hartama, D. (2017). Penerapan Datamining pada Populasi Daging Ayam Ras Pedaging di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering. Jurnal Nasional Informatika dan Teknologi Jaringan, 60-67.
Satoto, B. D., Khotimah, B. K., & Muhammad, A. (2015). Pengelompokan Tingkat Kesehatan Masyarakat Menggunakan Shelf Organizing Maps Dengan Cluster Validation Idb dan I-Dunn. Seminar Nasional Aplikasi Teknologi Informasi (SNATi), 1-6.
Sekkaf, I. (2017). Computer Parts Dataset (CPU, HDD...). Dipetik November 5, 2017, dari https://www.kaggle.com/iliassekkaf/computerparts
Siska, S. T. (2016). Analisa dan Penerapan Data Mining untuk Menentukan Kubikasi Air Terjual Berdasarkan Pengelompokan Pelanggan Menggunakan Algoritma K-Means Clustering. Jurnal Teknologi Informasi & Pendidikan, Vol. 9 No. 1, 86-93.
Sofwan, A., Handoyo, E., & WD, R. (2008). Algoritma Genetika Dalam Pemilihan Spesifikasi Komputer. SNATI, 1-6.
