scholarly journals PERBANDINGAN METODE FUZZY C-MEANS DAN K-MEANS DALAM KLASIFIKASI KELULUSAN MAHASISWA (STUDI KASUS : JURUSAN MANAJEMEN, UNIVERSITAS MARITIM RAJA ALI HAJI

Author(s):  
Alena Uperiati ◽  
Martaleli Bettiza ◽  
Atika Puspasari
Keyword(s):  

Ketidakseimbangan antara jumlah mahasiswa yang masuk dan keluar menyebabkan penumpukan jumlah mahasiwa, dimana mahasiswa masuk dalam jumlah besar namun jumlah yang lulus tepat waktu jumlahnya jauh lebih kecil. Oleh karena itu, pada penelitian ini dilakukan guna untuk mengklasifikasikan kelulusan mahasiswa mengunakan metode fuzzy c-means dan k-means. Perbandingan metode fuzzy c-means dan k-means digunakan untuk mendapatkan hasil klasifikasi yang tepat dan akurat. Berdasarkan hasil pengujian yang telah dilakukan pada fuzzy c-means, parameter terbaik yang mengahasilkan hasil klasifikasi yang mendekati akurat adalah nilai pangkat (w) 3, maksimum iterasi 50 dan nilai error 0.01 didapatkan nilai akurasi sebesar 81.91%. Sedangkan pada pengujian tingkat akurasi metode k-means didapatkan nilai tingkat akurasi sebesar 63 %. Hal ini membuktikan bahwa metode fuzzy c-means lebih akurat dibandingkan dengan metode k-means dalam klasifikasi kelulusan mahasiswa

2010 ◽  
Vol 42 (12) ◽  
pp. 13-21
Author(s):  
Anatoliy F. Bulat ◽  
Elena M. Kiseleva ◽  
Sergey A. Pichugov ◽  
Oleg B. Blyuss

2019 ◽  
Vol 8 (4) ◽  
pp. 9548-9551

Fuzzy c-means clustering is a popular image segmentation technique, in which a single pixel belongs to multiple clusters, with varying degree of membership. The main drawback of this method is it sensitive to noise. This method can be improved by incorporating multiresolution stationary wavelet analysis. In this paper we develop a robust image segmentation method using Fuzzy c-means clustering and wavelet transform. The experimental result shows that the proposed method is more accurate than the Fuzzy c-means clustering.


Sign in / Sign up

Export Citation Format

Share Document