Optimasi K-means dengan Artificial Bee Colony untuk Pengelompokan Resolusi Tahun Baru dari Data Twitter

Novianto, Rizki (2017) Optimasi K-means dengan Artificial Bee Colony untuk Pengelompokan Resolusi Tahun Baru dari Data Twitter. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5109100143-Undergraduate_Theses.pdf - Published Version

Download (846kB) | Preview

Abstract

Media sosial khususnya Twitter merupakan suatu sumber data yang kaya, sehingga membuka kesempatan untuk penerapan data mining untuk menghasilkan suatu data yang dapat dimanfaatkan untuk berbagai kepentingan. Termasuk dalam berbagai data yang ada ialah resolusi tahun baru yang dapat digeneralisasi menjadi beberapa kelompok. Salah satu metode pengelompokan data yang umum digunakan adalah K-means clustering (KM). Meski demikian, metode K-means memiliki beberapa kelemahan, salah satunya yaitu dalam penentuan titik awal centroid. Artificial Bee Colony (ABC) merupakan metode yang terinspirasi dari cara lebah mencari makanan untuk kelompoknya. Metode ABC dikenal dapat menghindari permasalahan lokal optima, yang umumnya terjadi pada penggunaan K-means karena kelemahan dalam penetapan titik centroid. Penggunaan kombinasi algoritma K-means dengan ABC dapat menjadi solusi dalam permasalahan pengelompokan pada data mining. Tugas Akhir ini bertujuan untuk mencari tahu seberapa efektif penggunaan gabungan K-means dengan ABC (ABCKM) dalam pengelompokan data resolusi tahun baru dari Twitter. ================================================================= Social Media, especially Twitter is a rich source of data, providing the chance to implement data mining to get some useful data for many kinds of interest. One kind of those data is new year resolution which could be generalized as groups. A commonly used way to divide data into groups is K-means clustering. However, K-means method itself have some weakness, one of them lies in the selection of the initial centroid. Artificial Bee Colony (ABC) is a method that inspired by how bees behave in search of food for its colony. ABC method is known for the ability to avoid local optima problem, often happens in the usage of K-means which caused by miss in creation of the initial centroid. Using both K-means and Artificial Bee Colony could potentially be a solution to grouping problems in data mining. The main purpose of this work is to test how effective the combination of K-means and ABC (ABCKM) in grouping the new year resolution data from Twitter.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 005.74 Nov o
Uncontrolled Keywords: Resolusi Tahun Baru, Data Mining, K-Means, Artificial Bee Colony, Clustering
Subjects: Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions: Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: Novianto Rizki
Date Deposited: 21 Nov 2017 08:05
Last Modified: 06 Mar 2019 04:49
URI: http://repository.its.ac.id/id/eprint/44431

Actions (login required)

View Item View Item