ANALISIS PENGUKURAN NUMERIK PADA OPTIMALISASI CLUSTER OBAT DI APOTEK X MENGGUNAKAN DAVIES BOULDIN INDEX

  • Gusrianty Gusrianty Institut Bisnis dan Teknologi Pelita Indonesia
  • Muhammad Siddik Institut Bisnis dan Teknologi Pelita Indonesia
Abstract viewed = 63 times
PDF (Bahasa Indonesia) downloaded = 57 times

Abstract

Penggunaan teknik ukur yang berbeda dalam pengelompokkan mengakibatkan hasil pengelompokkan yang berbeda pula. Pengujian data terhadap sejumlah k uji menjadikan penempatan anggota cluster obat tidak sama pada setiap pengukuran sehingga kemudian diperlukan optimalisasi cluster. Hal ini dapat menimbulkan keraguan bagi para pengguna data yang ingin memperoleh informasi yang akurat. Penelitian dilakukan untuk mengkaji perbandingan hasil optimalisasi cluster obat dengan menggunakan variabel ketegori, jenis dan satuan obat yang dikelompokkan dengan pengukuran numerik yakni Manhattan Distance, Canberra Distance dan Dynamic Time Warping Distance (DTWD) menggunakan teknik evaluasi cluster Davises Bouldin Index (DBI). Hasil pengujian yang diproleh melalui aplikasi RapidMiner menujukkan bahwa cluster optimal dari ketiga pengukuran tersebut terdapat pada k=2, k=3 dan k=2 dengan nilai DBI adalah 0,752, 0,873, dan 0, 868. Manhattan terpilih sebagai teknik ukur numerik yang lebih baik dari pada dua teknik lainnya karena memiliki nilai DBI terendah yang di uji pada k 2.

Downloads

Download data is not yet available.

References

Davies, D. L., & Bouldin, D. W. (1979). A Cluster Separation Measure. IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-1(2), 224–227. https://doi.org/10.1109/TPAMI.1979.4766909
Dinov, M., Lorenz, R., Scott, G., Sharp, D. J., Fagerholm, E. D., & Leech, R. (2016). Novel Modeling of Task vs. Rest Brain State Predictability Using a Dynamic Time Warping Spectrum: Comparisons and Contrasts with Other Standard Measures of Brain Dynamics. Frontiers in Computational Neuroscience, 10(46), 1–13. https://doi.org/10.3389/fncom.2016.00046
Gautama, W., Purwanto, Y., & Purboyo, T. W. (2015). Analisis Pengaruh Penggunaan Manhattan Distance Pada Algoritma Clustering Isodata ( SelfOrganizing Data Analysis Technique) Untuk Sistem Deteksi Anomali Trafik. E-Proceeding of Engineering, 2(3), 7404–7411.
Gie, W., & Jollyta, D. (2020). Perbandingan Euclidean dan Manhattan Untuk Optimasi Cluster Menggunakan Davies Bouldin Index : Status Covid-19 Wilayah Riau. Prosiding Seminar Nasional Riset Dan Information Science (SENARIS) 2020, 2(2020), 187–191.
Irhamni, F., Damayanti, F., Khusnul K, B., & A, M. (2014). Optimalisasi pengelompokan kecamatan berdasarkan indikator pendidikan menggunakan metode clustering dan davies bouldin index. Seminar Nasional Dan Teknologi UMJ, 11, 1–6.
Jendoubi, S., Martin, A., Liétard, L., Yaghlane, B., Jendoubi, S., Martin, A., Liétard, L., Yaghlane, B., Hadji, H., Time, D., Jendoubi, S., Martin, A., & Liétard, L. (2015). Dynamic Time Warping Distance for Message Propagation Classification in Twitter. HAL, (Juli), 419–428.
Jiang, W., Wang, M., Deng, X., & Gou, L. (2019). Fault diagnosis based on TOPSIS method with Manhattan distance. Advances in Mechanical Engineering, 11(3), 1–12. https://doi.org/10.1177/1687814019833279
Jollyta, D., Siddik, M., Mawengkang, H., & Efendi, S. (2021). Teknik Evaluasi Cluster Solusi Menggunakan Python dan RapidMiner (Pertama). Deepublish.
Lance, G. N., & Williams, W. T. (2012). A General Theory of Classificatory Sorting Strategies: 1. Hierarchical Systems. The Computer Research Section, 9(4), 373–380. https://doi.org/10.1093/comjnl/9.4.373
Miftahuddin, Y., Umaroh, S., & Karim, F. R. (2020). Perbandingan Metode Perhitungan Jarak Euclidean, Haversine, Dan Manhattan Dalam Penentuan Posisi Karyawan. Jurnal Tekno Insentif, 14(2), 69–77. https://doi.org/10.36787/jti.v14i2.270
Nishom, M., & Fathoni, M. Y. (2018). Implementasi Pendekatan Rule-Of-Thumb untuk Optimasi Algoritma K-Means Clustering. Jurnal Informatika: Jurnal Pengembangan IT (JPIT), 3(2), 237–241. https://doi.org/10.30591/jpit.v3i2.909
Prasetyo, E. (2014). Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab (Aldo Saholo (ed.); I). Andi.
Pulungan, A. F., Zarlis, M., & Suwilo, S. (2019). Analysis of Braycurtis, Canberra and Euclidean Distance in KNN Algorithm. SinkrOn, 4(1), 74–77. https://doi.org/10.33395/sinkron.v4i1.10207
Putra, I. N. T. A., & Harjoko, A. (2018). Face Recognition Based Mobile Using Fisherface and Distance Classifier. JST (Jurnal Sains Dan Teknologi), 7(1), 135–145. https://doi.org/10.23887/jst-undiksha.v7i1.13267
Sitompul, B. J. D., Sitompul, O. S., & Sihombing, P. (2019). Enhancement Clustering Evaluation Result of Davies-Bouldin Index with Determining Initial Centroid of K-Means Algorithm. International Conference on Computing and Applied Informatics 2018, 1235(1), 1–8. https://doi.org/10.1088/1742-6596/1235/1/012015
Sudarma, M., & Ariyani, S. (2014). Implementation of dynamic time warping method for the vehicle number license recognition. International Journal of Electrical and Computer Engineering, 4(2), 278–284. https://doi.org/10.11591/ijece.v4i2.5169
Yang, Y. M., Jia, R., Xun, H., Yang, J., Chen, Q., Zeng, X. G., & Yang, M. (2018). Determining the number of instars in Simulium quinquestriatum (Diptera: Simuliidae) using k-means clustering via the canberra distance. Journal of Medical Entomology, 55(4), 808–816. https://doi.org/10.1093/jme/tjy024
Zhang, Z., Tavenard, R., Bailly, A., Tang, X., Tang, P., & Corpetti, T. (2017). Length To cite this version : HAL Id : hal-01470554. HAL Archives-Ouvertes, 393(February), 91–107.
Published
2021-08-19
How to Cite
GUSRIANTY, Gusrianty; SIDDIK, Muhammad. ANALISIS PENGUKURAN NUMERIK PADA OPTIMALISASI CLUSTER OBAT DI APOTEK X MENGGUNAKAN DAVIES BOULDIN INDEX. JOISIE (Journal Of Information Systems And Informatics Engineering), [S.l.], v. 5, n. 1, p. 60-66, aug. 2021. ISSN 2527-3116. Available at: <http://www.ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/1350>. Date accessed: 04 dec. 2021. doi: https://doi.org/10.35145/joisie.v5i1.1350.
Section
Articles