DETEKSI OUTLIER HASIL CLUSTERING ALGORITMA K-MEDOIDS MENGGUNAKAN METODE BOXPLOT PADA DATA KIP KULIAH DI UNIVERSITAS BUDI DARMA

DETEKSI OUTLIER HASIL CLUSTERING ALGORITMA K-MEDOIDS MENGGUNAKAN METODE BOXPLOT PADA DATA KIP KULIAH DI UNIVERSITAS BUDI DARMA, Deteksi Outlier, K-Medoids, Boxplot...

Author: Elsya Sabrina Asmita Simorangkir
Date: 2024
Keywords: Deteksi Outlier, K-Medoids, Boxplot
Type: Thesis
Category: penelitian

Dalam proses pembentukan cluster dengan algoritma K-Medoids sering terjadi anomali hasil cluster seperti outlier. Nilai ini muncul sebagai pengecualian dalam pola data yang ada. Outlier terjadi karena berbagai alasan, termasuk kesalahan pengukuran, kejadian langka, atau karena faktor lain yang tidak terduga. Pada penelitian ini, dataset yang digunakan adalah data calon mahasiswa penerima KIP di Universitas Budi Darma, dimana tingginya peminat sementara kuota terbatas yang membuat pengelola KIP Kuliah kadang kesulitan menentukan mahasiswa yang layak memperoleh KIP Kuliah. Untuk itu, teknik clustering K-Medoids digunakan untuk clustering data calon mahasiswa yang layak menerima KIP Kuliah Merdeka dan yang tidak layak. Dari hasil cluster tersebut dilakukan deteksi outlier dengan metode boxplot dengan tujuan mengetahui apakah setiap anggota cluster benar-benar berada pada cluster yang sesuai atau yang tidak. Hasilnya cluster data dibagi menjadi 2(K-2). Pada pemilihan centroid secara max min, cluster I terdiri atas 52 anggota dan cluster II terdiri atas 2 anggota, dimana data outliernya terdiri atas 3 data, sedangkan pemilihan centroid acak (python), cluster I terdiri atas 36 anggota dan cluster II 18 anggota dengan data outliernya terdiri atas 4 anggota. Akurasi hasil clustering antara pemilihan centroid secara max min dengan acak (python) memiliki akurasi 64,81%, dan akurasi outliernya 75%.

Files:
LEMBAR JUDUL 1
DAFTAR PUSTAKA
ABSTRAK

Collections:
Digital Library UNPAB