Implementasi metode probabilistic distance clustering (pdc) untuk klasifikasi pintu kayu jati
Penulis Utama
:
Deska Muhammad Faisal
NIM / NIP
:
M0509019
×Suatu industri kayu jati yang mengolah kayu jati menjadi beberapa produk
mebel mempunyai 120 produk jenis pintu. Perbedaan jenis pintu tergantung bahan
baku kayu jati yang digunakan dan waktu pengerjaan pintu. Banyaknya jenis pintu
membutuhkan pengklasifikasian pintu-pintu untuk mempermudah dalam
pengelolaan pintu. Kriteria yang digunakan untuk klasifikasi pintu adalah biaya
bahan baku dan waktu pengerjaan pintu. Proses klasifikasi dapat dilakukan
dengan teknik clustering menggunakan metode Probabilistic Distance Clustering
(PDC). Dalam PDC langkah awal yang dilakukan adalah menentukan pusat
cluster awal dan jumlah cluster terlebih dahulu.
Pada penelitian ini dipaparkan perbandingan hasil proses clustering antar
praprocessing clustering dalam metode PDC untuk mengklasifikasikan pintu
kayu jati. Praprocessing clustering adalah teknik pengambilan pusat cluster awal
dengan simple random atau stratified random, serta proses penyederhanaan data
clustering yaitu data dinormalisasi atau data disederhanakan ke ratusan ribuan
(tanpa normalisasi). Ada 4 (empat) praprocessing clustering yaitu pengambilan
pusat cluster awal simple random dengan data dinormalisasi (simple random–
normalisasi), simple random-tanpa normalisasi, stratified random-normalisasi,
stratified random-tanpa normalisasi. Untuk mengetahui jumlah cluster optimal
digunakan persamaan Pseudo-F. Jumlah cluster yang optimal adalah yang
mempunyai nilai Pseudo-F terbesar dan menghasilkan hasil clustering yang
efektif.
Hasil penelitian menunjukkan bahwa stratified random-tanpa normalisasi
menghasilkan rata-rata jumlah iterasi sedikit, rata-rata nilai e (toleransi error)
kecil, rata-rata waktu proses clustering cepat, dan rata-rata JDF (Joint Distance
Function) rendah sehingga lebih efektif dibandingkan preprocessing clustering
lain. Jumlah cluster yang optimal adalah 4 cluster karena mempunyai nilai
Pseudo-F tinggi dan menghasilkan rata-rata jumlah iterasi sedikit yaitu 23,75,
menghasilkan rata-rata nilai e kecil yaitu 0,08 dan membutuhkan rata-rata waktu
proses clustering cepat yaitu 0,969 detik dan tidak menghasilkan jumlah iterasi di
atas 100 iterasi.
Kata Kunci: normalisasi, probabilistic distance clustering, pseudo-f, simple
random, stratified random.
×
Penulis Utama
:
Deska Muhammad Faisal
Penulis Tambahan
:
1. 2.
NIM / NIP
:
M0509019
Tahun
:
2013
Judul
:
Implementasi metode probabilistic distance clustering (pdc) untuk klasifikasi pintu kayu jati
