Implementasi Fast Minimum Spanning Tree Untuk Melakukan Pengelompokan Data Pada Pengenalan Pola

Putra, Steven Fredian Andy (2015) Implementasi Fast Minimum Spanning Tree Untuk Melakukan Pengelompokan Data Pada Pengenalan Pola. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
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: https://repository.its.ac.id/id/eprint/62561

Actions (login required)

View Item View Item