Analisis Performa Metode Cluster K-Means pada Dataset Ocular Disease Recognition

Abstract

Penelitian ini bertujuan untuk melakukan perbandingan menggunakan teknik cluster yang dapat mengolah data dalam jumlah besar untuk menemukan cluster baru pada dataset Ocular Disease Recognition. Pengolahan data tersebut digunakan untuk mengelompokkan penyakit pasien melalui fundus mata. Teknik Pengelompokkan menggunakan metode K-Means di mana metode ini efisien dan efektif dalam mengolah data dengan jumlah banyak. Pengukuran performa yang digunakan yaitu dengan menggunakan rand index dan mutual information based scores. Inputan yang digunakan yaitu 7 atribut dari hasil ekstraksi fitur moment invariant dataset citra fundus pasien. Data tersebut merupakan data testing yang digunakan untuk menguji performa pada metode K-Means. Berdasarkan hasil pengujian performa pada metode cluster k-means, untuk pengukuran rand index di dapatkan hasil nilai 1.0 dengan k=8 untuk cluster yang identik, kemudian untuk mutual information based scores didapatkan hasil nilai 1.0 dengan k=8 untuk cluster yang identik. Dari hasil perbandingan k=8 dan k=9 dengan dataset versi pertama dengan dataset versi kedua.