Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali

Kerajinan merupakan salah satu bagian dari 14 lini industri kreatif yang cukup potensial mendorong kemajuan perekonomian Indonesia. Potensialnya, lini industri kerajinan menghasilkan data kerajinan berjumlah banyak dan berukuran besar sehingga perlu dilakukan analisis data mining dengan teknik pengelompokan data (clustering). Penelitian ini menggunakan metode k-medoid untuk mengelompokkan data kerajinan. Untuk menghasilkan hasil pengelompokan data atau clustering yang maksimal, perlu penentuan jumlah cluster yang tepat. Berbagai metode yang dapat digunakan untuk penentuan jumlah cluster yang tepat, yaitu metode elbow, koefisien silhouette, gap statistics, dan lainnya. Penelitian ini membandingkan metode elbow dan koefisien silhouette untuk menentukan jumlah cluster yang tepat sehingga menghasilkan kualitas cluster yang optimal. Metode yang digunakan untuk menguji hasil cluster adalah metode Davies Bouldin Index (DBI). Hasil pengujian clustering dengan metode elbow menggunakan nilai DBI menghasilkan nilai DBI sebesar 1,10. Sedangkan pada uji coba clustering dengan koefisien silhouette menghasilkan nilai DBI sebesar 1,06. Hal ini menunjukkan bahwa hasil clustering k-medoid dengan koefisien silhouette menghasilkan kualitas cluster lebih baik karena memiliki nilai DBI lebih rendah daripada clustering k-medoid dengan metode elbow. Adapun kebaharuan yang dipaparkan dalam penelitian ini adalah analisis data kerajinan di Bali menggunakan metode k-medoid, koefisien silhouette dan metode elbow. Belum ada penelitian yang menggunakan perbandingan koefisien silhouette dan metode elbow untuk memaksimalkan clustering k-medoid menggunakan Bahasa R.

Abstract licence: CC BY

9 more references, whose wording the paper’s licence keeps private.

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.