Putra, Steven Fredian Andy (2015) Implementasi Fast Minimum Spanning Tree Untuk Melakukan Pengelompokan Data Pada Pengenalan Pola. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
undergraduated thesis.pdf - Published Version Download (45MB) | Preview |
Abstract
non-convex tidak bisa dilakukan dengan algoritma
klastering biasa seperti k-means. Data bersifat convex memiliki
kondisi jika diambil sembarang pasangan data maka garis yang
menghubungkan data termasuk dalam himpunan tersebut.
Minimum Spanning Tree (MST) dapat digunakan untuk
menyelesaikan permasalahan pengelompokan data nonconvex.
Hal ini dikarenakan MST merupakan pohon rentang
dari suatu graph yang menghubungkan semua titik dengan
bobot paling minimal. Akan tetapi implementasi MST
konvensional ke dataset yang besar membutuhkan banyak
waktu.
Pada Tugas Akhir ini dibentuk solusi untuk
menyelesaikan pengelompokan data dengan metode MST yang
dimodifikasi. Solusi tersebut mengombinasikan metode Fast
Minimum Spanning Tree (FMST) dan klastering berdasarkan
MST. FMST menghasilkan MST-perkiraan dengan waktu yang
lebih cepat. FMST menggunakan konsep divide and conquer
(data dibagi menjadi beberapa kelompok) lalu diselesaikan
MST tiap kelompok, dan semuanya digabungkan. Klastering
berdasarkan MST menghapus edge yang memiliki bobot
melebihi dari threshold yang ditentukan. Pada setiap
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSIf 006.4 Put i |
| Uncontrolled Keywords: | Pengenalan Pola, Klastering, Convex Set, Minimum Spanning Tree, Fast Minimum Spanning Tree, Indeks Dunn. |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 21 Mar 2019 07:59 |
| Last Modified: | 21 Mar 2019 07:59 |
| URI: | http://repository.its.ac.id/id/eprint/62561 |
Actions (login required)
 |
View Item |