| dc.contributor |
|
|
| dc.contributor |
|
|
| dc.creator |
Lestari, Tantri |
|
| dc.creator |
Kudus, Abdul |
|
| dc.creator |
Darwis, Sutawanir |
|
| dc.date |
2017-08-11 |
|
| dc.identifier |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/8440 |
|
| dc.description |
Artificial Neural Network Method (ANN) with Self-Organizing Maps (SOM) algorithm is one of the methods using unsupervised learning method. This means that this method does not have a variable Y or without any sample data output. So the SOM algorithm can group the input into output in the form of cluster. The validity index used is the Davies-Bouldin Index (DBI). As an application material, data used PMB UNISBA 2016 obtained from Data Processing Administration UNISBA. The result of clustering shows that clustering of data having the smallest DBI of 1,4463 is the output 3 or group size formed by 3 clusters. The results obtained through the initialization of learning rate ( ) of 0,9 and decreased learning rate ( of 0,04 and iteration as much as 500 times. From the clustering results obtained the average of the centroid of each cluster is 86,9009 (cluster to 1), 83,3775 (cluster to 2), and 80,0384 (cluster to 3). |
|
| dc.description |
Metode Jaringan Saraf Tiruan (JST) dengan algoritme Self-Organizing Maps (SOM) merupakan salah satu metode yang menggunakan metode pembelajaran tidak terawasi (unsupervised learning). Artinya metode ini tidak memiliki variabel Y atau tanpa ada contoh data output. Sehingga algoritme SOM dapat mengelompokkan input menjadi output yang berupa cluster. Indeks validitas yang digunakan adalah Davies-Bouldin Index (DBI). Sebagai bahan aplikasi, digunakan data PMB UNISBA tahun 2016 yang diperoleh dari Administrasi Pengolahan Data UNISBA. Hasil pengelompokannya menunjukkan bahwa clustering terhadap data yang memiliki DBI terkecil sebesar 1,4463 adalah ukuran output 3 atau kelompok yang terbentuk sebanyak 3 cluster. Hasil tersebut diperoleh melalui inisialisasi learning rate ( ) sebesar 0,9 dan penurunan learning rate sebesar 0,04 serta iterasi sebanyak 500 kali. Dari hasil pengelompokan tersebut diperoleh rata-rata dari centroid dari masing-masing cluster adalah 86,9009 (cluster ke-1), 83,3775 (cluster ke-2), dan 80,0384 (cluster ke-3). |
|
| dc.format |
application/pdf |
|
| dc.language |
ind |
|
| dc.publisher |
Universitas islam Bandung |
|
| dc.relation |
http://karyailmiah.unisba.ac.id/index.php/statistika/article/view/8440/pdf |
|
| dc.rights |
Copyright (c) 2017 Prosiding Statistika |
|
| dc.source |
Prosiding Statistika; Vol 3, No 2, Prosiding Statistika (Agustus, 2017); 137-144 |
|
| dc.source |
Prosiding Statistika; Vol 3, No 2, Prosiding Statistika (Agustus, 2017); 137-144 |
|
| dc.source |
2460-6456 |
|
| dc.subject |
Statistics |
|
| dc.subject |
Artificial Neural Network, Self-Organizing Maps, Cluster, Davies-Bouldin Index, Learning Rate |
|
| dc.subject |
statistika |
|
| dc.subject |
Jaringan Saraf Tiruan, Self-Organizing Maps, Cluster, Davies-Bouldin Index, Learning Rate. |
|
| dc.title |
|
|
| dc.title |
Proses Pengelompompokan Saraf Menggunakan Jaringan Saraf Tiruan (JST) dengan Algoritme Self-Organizing Maps (SOM) |
|
| dc.type |
info:eu-repo/semantics/article |
|
| dc.type |
info:eu-repo/semantics/publishedVersion |
|
| dc.type |
Peer-reviewed Article |
|
| dc.type |
Quantitative |
|
| dc.type |
kuantitatif |
|