ANALISIS CLUSTER LOVEBIRD BERDASARKAN CIRI FISIK DAN JENISNYA MENGGUNAKAN ALGORITMA K-MEANS DENGAN PENGHITUNGAN JARAK MANHATTAN
DOI:
https://doi.org/10.53712/jic.v3i1.661Abstract
Data penelitian dapat dikelompokkan berdasarkan kemiripan ciri, objek maupun metode penelitian. Hasil pengelompokkan data penelitian dapat memperlihatkan bagaimana pola kemiripan penelitian dan variasi ciri karakterisktik penelitian dari waktu ke waktu. Hasil pengelompokan juga dapat memperlihatkan karakteristik yang banyak diambil data ciri burung lovebird. Informasi tersebut diharapkan dapat membantu Paguyuban Sendang Lovebird Farm dalam mengevaluasi pengelompokan data yang telah dilakukan. Penelitian ini mengelompokkan data burung lovebird di Paguyuban Sendang Lovebird Farm Sumenep karena jumlah data penelitiannya cukup banyak. Pengelompokan data penelitian yang umumnya berbentuk teks dapat dilakukan dengan text mining dengan metode clustering. Metode clustering yang digunakan pada penelitian ini adalah kombinasi antara metode K-Means Clustering dan penghitungan jarak Manhattan. Clustering data burung menghasilkan maksimal 5 cluster. Hasil cluster dianalisa keterkaitan ciri fisik dan jenisnya.
References
Anggarani, Putu Rika Pratama. Perbandingan Penerapan Euclidean Distance, Manhattan Distance, dan Adaptive Distance Measure dalam KNearest
Bisilisin, Frangki Yusuf. 2011. Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra
Solichin, A. 2009. Pemrograman Web Dengan PHP dan MYSQL, Universitas Budi Luhur, Jakarta
Syahroni, Abd. Wahab. 2016. Sebuah Pendekatan Untuk Meningkatkan Potensi Akademik mahasiswa Menggunakan K-Mean. Semantikom Universitas Madura.
Triyantini dkk. 2013. Studi komparatif preferensi, mutu dan gizi beberapa jenis unggas. Balai Penelitian Ternak. Bogor
