PERBANDINGAN PENDUGAAN DATA HILANG PADA PENGKLASIFIKASIAN DATA HASIL TANGKAP LAUT ACEH TAHUN 2016 | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PERBANDINGAN PENDUGAAN DATA HILANG PADA PENGKLASIFIKASIAN DATA HASIL TANGKAP LAUT ACEH TAHUN 2016


Pengarang

NUR FAJRI ALDI - Personal Name;

Dosen Pembimbing



Nomor Pokok Mahasiswa

1308108010037

Fakultas & Prodi

Fakultas MIPA / Statistika (S1) / PDDIKTI : 49201

Subject
Penerbit

Banda Aceh : FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SYIAH KUALA., 2018

Bahasa

Indonesia

No Classification

1

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Metode pengklasifikasian K-Means clustering merupakan salah satu metode clustering nonhirarki yang sederhana dan umum digunakan. Metode tersebut akan terkendala apabila pada objek yang ingin dianalisis terdapat data hilang, sehingga diperlukan perlakuan tertentu untuk mengatasi hal tersebut. Ada beberapa metode yang dapat digunakan, di antaranya dengan menggunakan metode subtitusi mean, subtitusi median, dan imputation. Data yang digunakan dalam penelitian ini terdapat sejumlah data hilang, sehingga tiga metode tersebut digunakan untuk mendapatkan nilai dugaan untuk mengisi data yang hilang. Tujuan dari penelitian ini adalah menentukan metode terbaik dalam menduga data hilang dari data hasil tangkap laut Provinsi Aceh serta menentukan jumlah cluster terbaik berdasarkan kabupaten/kota yang ditentukan melalui nilai sum of square, purity, dan entropy. Data yang digunakan dalam penelitian ini adalah Hasil Tangkap Laut Aceh tahun 2016 yang terdiri dari 7 jenis tangkapan, di antaranya: ikan pelagis kecil, ikan pelagis besar, ikan demersal, ikan karang, binatang berkulit keras, binatang lunak, dan binatang air lainnya. Hasil yang diperoleh menunjukkan bahwa metode pendugaan data hilang terbaik adalah menggunakan metode imputation, sementara jumlah cluster terbaik adalah 5 cluster dengan jumlah iterasi sebesar 10.

Tidak Tersedia Deskripsi

Citation



    SERVICES DESK