SOFT CLUSTERING DENGAN ALGORITMA FUZZY K-MEANS (STUDI KASUS : PENGELOMPOKAN DESA DI KOTA TIDORE KEPULAUAN)

  • Johra M
N/ACitations
Citations of this article
35Readers
Mendeley users who have this article in their library.

Abstract

Mengembangkan wilayah untuk mengurangi kesenjangan dan menjamin pemerataan merupakan salah satu dari tujuh agenda Pembangunana RPJMN IV Tahun 2020-2024. Setiap wilayah tentunya memiliki potensi yang berbeda, baik potensi fisik maupun non-fisik. Perbedaan inilah yang menjadi dasar dalam pengelompokan desa sehingga pembangunan desa menjadi lebih terarah. Secara umum metode klaster dapat dibedakan menjadi dua kelompok yaitu hard clustering dan soft clustering. Pada hard clustering setiap objek dipetakan terhadap setiap kelompok. Metode yang populer pada kelompok hard clustering adalah Cluster K-Means. Sedangkan pada soft clustering objek tidak hanya dipetakan kedalam satu kelompok. Fuzzy K Means (FCM) merupakan salah satu metode dalam soft clustering, dimana Fuzzy K Means merupakan pengembangan dari Cluster K-Means. Cara kerja FCM adalah objek diberi probabilitas yang pada dasarnya menggambarkan kepemilikan objek ke dalam Cluster.

Cite

CITATION STYLE

APA

Johra, M. B. (2021). SOFT CLUSTERING DENGAN ALGORITMA FUZZY K-MEANS (STUDI KASUS : PENGELOMPOKAN DESA DI KOTA TIDORE KEPULAUAN). BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 15(2), 385–392. https://doi.org/10.30598/barekengvol15iss2pp385-392

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free