IMPLEMENTASI UNSUPERVISED LEARNING PADA NILAI JASMANI KESAMAPTAAN SEKOLAH POLISI NEGARA DENGAN METODE CLUSTERING ANALYSIS

Abstract

- Agglomerative adalah salah satu dari metode Hierarchical Analysis Clustering (HAC) yang merupakan bagian dari konsep Unsupervised Learning dengan tujuan untuk mengelompokan data-data dari hasil perhitungan terhadap variabel yang ada. Dalam metode Agglomerative terdapat proses perhitungan jarak seperti Manhattan dan Euclidean untuk mengukur kesamaan (similiarity) antar objek. Metode hierarki yang digunakan dalam penelitian ini yaitu metode Single Linkage, Average Linkage dan Complete Linkage. Pengelompokan Nilai Kesamaptaan diperlukan untuk dapat dilakukan penugasan sesuai dengan kelompok nilai yang telah ditentukan. Setiap nilai pada variabel di analisa melalui perpaduan perhitungan metode jarak dengan setiap metode hierarki. Diperoleh hasil bahwa metode perhitungan jarak Manhattan dengan metode Single Linkage lebih variatif (heterogen) sebanyak 17 klaster, sedangkan untuk Average Linkage kombinasi dengan perhitungan jarak Manhattan menghasilkan 24 klaster. Analisa terakhir diperoleh dari metode Complete Linkage kombinasi dengan perhitungan jarak Euclidean menghasilkan 24 klaster.