Article Per Year (5 Year)
p-Index From 2019 - 2024
1.756
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan) Jurnal Komputer Terapan INTECOMS: Journal of Information Technology and Computer Science jurnal teknik informatika dan sistem informasi Journal of Applied Engineering and Technological Science (JAETS) INFOKUM Jurnal Sistem Informasi dan Teknologi Jaringan (SISFOTEKJAR) JITER-PM (Jurnal Inovasi Terapan - Pengabdian Masyarakat)
Khairul Umam Syaliman
Politeknik Caltex Riau
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Social Sciences

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)

 1 
Perbandingan Rapid Centroid Estimation (RCE) — K Nearest Neighbor (K-NN) Dengan K Means — K Nearest Neighbor (K-NN) Khairul Umam Syaliman; M. Zulfahmi; Aldi Abdillah Nababan
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 2, No 1 (2017): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v2i1.166

Abstract

Teknik Clustering terbukti dapat meningkatkan akurasi dalam melakukan klasifikasi, terutama pada algoritma K-Nearest Neighbor (K-NN). Setiap data dari setiap kelas akan membentuk K cluster yang kemudian nilai centroid akhir dari setiap cluster pada setiap kelas data tersebut akan dijadikan data acuan untuk melakukan proses klasifikasi menggunakan algoritma K-NN. Namun kendala dari banyaknya teknik clustering adalah biaya komputasi yang mahal, Rapid Centroid Estimation (RCE) dan K-Means termasuk kedalam teknik clustering dengan biaya komputasi yang murah. Untuk melihat manakah dari kedua algoritma ini (RCE dan K-Means) yang lebih baik memberikan peningkatan akurasi pada algoritma K-NN maka, pada penelitian ini akan mencoba untuk membandingkan kedua algoritma tersebut. Hasil dari penelitian ini adalah gabungan RCE—K-NN memberikan hasil akurasi yang lebih baik dari K-Means—K-NN pada data set iris dan wine. Namun dalam perubahan nilai akurasi RCE—K-NN lebih stabil hanya pada data set iris. Sedangkan pada data set wine, K-Means—K-NN terlihat mendapati perubahan akurasi yang lebih stabil dibandingkan RCE—K-NN.
Co-Authors Aldi Abdillah Nababan Ardianto Wibowo Ause Labellapansa, Ause Dini Hidayatul Qudsi Edwil Jafri Jan Alif Kreshna Juanda Hakim Lubis Kartina Diah M. Zulfahmi Najwa, Nina Fadilah Nina Fadhilah Najwa Sahid, Dadang Syarif Shihabudin Satria Perdana Arifin Yohana Dewi Lulu Widyasari Yuliska Yuliska Yuliska Yuliska Yuliska