IMPLEMENTASI ALGORITMA K-MEANS UNTUK MELAKUKAN KLASTERISASI PADA KELUHAN MASYARAKAT (Implementation of the K-Means Algorithm to Clustering Public Complaints)
Total View This Week0
Total View This Week0
Institusion
Universitas Teknokrat Indonesia
Author
MAHRIBI, MUHHAMAD TOVA
Subject
TJ Mechanical engineering and machinery
Datestamp
2023-11-30 07:35:35
Abstract :
Revolusi industri 4.0 memberikan dampak yang signifikan terhadap kehidupan masyarakat sehari-hari, dengan digitalisasi sebagai penggerak utamanya. Era ini ditandai dengan pesatnya perkembangan teknologi dan informasi, menjadikan konektivitas perangkat serta digitalisasi layanan menjadi bagian tak terpisahkan dalam kehidupan. khususnya menggunakan algoritma K-Means, diaplikasikan untuk mengelompokkan keluhan masyarakat (Rizki M, 2021) menjadi berbagai kategori yang telah ditentukan sebelumnya .permasalahan yang diangkat bagaimana membangun suatu model klasterisasi menggunakan motode K-Means untuk melakukan klasterisasi teks aduan. Metode Penelitian ini menggunakan metode Intrinsic evaluation dengan menggabungkan metode recall(R), precision (P), dan F-Measure pada ringkasan manual diilustrasikan dengan huruf T dengan hasil ringkasan yang dibuat oleh mesin diilustrasikan dengan huruf S Dalam uji K-Means terhadap data ?Keluhan Masyarakat? yang dipublikasikan mulai 14 Februari 2018 hingga 20 Februari 2019, berbagai ukuran digunakan untuk menilai kualitas analisis. Metrik ini mencakup inersia, Silhouettle Score, akurasi, Recall, dan F Measure.Metrik inersia digunakan untuk menentukan jarak antara titik-titik dalam cluster dan pusat cluster. Selain itu, metrik Skor Silhouette mengukur kualitas setiap titik data dalam suatu klaster dibandingkan dengan klaster lainnya. Nilai Silhouette Score yang mendekati 0 menunjukkan tumpang tindih antar kelompok kluster, sedangkan nilai yang mendekati 1 menunjukkan pemisahan antar klaim yang baik. Hasilnya menunjukkan bahwa K-Means clustering menghasilkan nilai akurasi, recall dan F-measure sebesar 100%, menunjukkan akurasi yang sangat tinggi dalam mengidentifikasi dan mengklasifikasikan keluhan berdasarkan karakteristiknya.klaster K-Means mempunyai kinerja yang sangat baik dalam mengklasifikasikan pengaduan masyarakat, sehingga menghasilkan klaster yang berkualitas tinggi dalam hal keterpisahan dan akurasi.
Revolusi industri 4.0 memberikan dampak yang signifikan terhadap kehidupan masyarakat sehari-hari, dengan digitalisasi sebagai penggerak utamanya. Era ini ditandai dengan pesatnya perkembangan teknologi dan informasi, menjadikan konektivitas perangkat serta digitalisasi layanan menjadi bagian tak terpisahkan dalam kehidupan. khususnya menggunakan algoritma K-Means, diaplikasikan untuk mengelompokkan keluhan masyarakat (Rizki M, 2021) menjadi berbagai kategori yang telah ditentukan sebelumnya .permasalahan yang diangkat bagaimana membangun suatu model klasterisasi menggunakan motode K-Means untuk melakukan klasterisasi teks aduan. Metode Penelitian ini menggunakan metode Intrinsic evaluation dengan menggabungkan metode recall(R), precision (P), dan F-Measure pada ringkasan manual diilustrasikan dengan huruf T dengan hasil ringkasan yang dibuat oleh mesin diilustrasikan dengan huruf S Dalam uji K-Means terhadap data ?Keluhan Masyarakat? yang dipublikasikan mulai 14 Februari 2018 hingga 20 Februari 2019, berbagai ukuran digunakan untuk menilai kualitas analisis. Metrik ini mencakup inersia, Silhouettle Score, akurasi, Recall, dan F Measure.Metrik inersia digunakan untuk menentukan jarak antara titik-titik dalam cluster dan pusat cluster. Selain itu, metrik Skor Silhouette mengukur kualitas setiap titik data dalam suatu klaster dibandingkan dengan klaster lainnya. Nilai Silhouette Score yang mendekati 0 menunjukkan tumpang tindih antar kelompok kluster, sedangkan nilai yang mendekati 1 menunjukkan pemisahan antar klaim yang baik. Hasilnya menunjukkan bahwa K-Means clustering menghasilkan nilai akurasi, recall dan F-measure sebesar 100%, menunjukkan akurasi yang sangat tinggi dalam mengidentifikasi dan mengklasifikasikan keluhan berdasarkan karakteristiknya.klaster K-Means mempunyai kinerja yang sangat baik dalam mengklasifikasikan pengaduan masyarakat, sehingga menghasilkan klaster yang berkualitas tinggi dalam hal keterpisahan dan akurasi.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
