Analisis Data Mining Untuk Clustering Data Film Dengan Menggunakan Algoritma K- Means
Abstract
Pengelompokan data adalah teknik pengambilan data yang penting dengan banyak aplikasi dalam penambangan data. K-means adalah salah satu metode penambangan data yang paling terkenal, yang membagi kumpulan data menjadi kelompok-kelompok sampel, yang disebut kelipatan. Metode telah diusulkan untuk meningkatkan efisiensi algoritma K-Means. Standarisasi adalah kuncinya langkah preprocessing dalam data mining untuk membakukan fitur atau nilai atribut dari rentang dinamis yang berbeda dan terdapat di area spesifik. Pada artikel ini, kami menganalisis kinerja metode standardisasi algoritma K-means tradisional. Membandingkan hasil dataset film, ditemukan bahwa hasil yang diperoleh dengan metode elbow.
References
Prasetyo, Eko, DATA MINING - Konsep dan Aplikasi Menggunakan MATLAB, Nikodemus, Ed. Yogyakarta, Indonesia: Penerbit ANDI, 2012.
Teguh Wibowo, Penerapan Data Mining Pemilihan Siswa Kelas Unggulan dengan Metode K-Means Clustering di SMP N 02 Tasikmadu, Program Studi Strata I pada Jurusan Informatika Fakultas Komunikasi dan Informatika. 2018.
Himmah, Nofrida Rif’atul. Implementasi Algoritma K-Means Untuk Pengelompokan Siswa Berdasarkan Nilai Akademik (Studi Kasus Mtsn Gresik). Undergraduate Thesis, Universitas Muhammadiyah Gresik. 2019.
Aniek Suryanti Kusuma. Jurnal Sistem Informasi dan Komputer Terapan Indonesia (JSIKTI) Vol.1 (3). Sistem Informasi Akademik Serta Penentuan Kelas Unggulan Dengan Algoritama K-Means di SMP Negeri 3 Ubud, 2 Program Studi Teknik Informatika, STMIK STIKOM, Bali, Indonesia. 2019.
Agusta Y. K-Means-Penerapan, Permasalahan dan Metode Terkait. Denpasar, Bali: Jurnal Sistem dan Informatika (Februari 2007) Vol. 3: 47-60; 2007.

This work is licensed under a Creative Commons Attribution 4.0 International License.