ACADSTAFF UGM
| Title | : | Perbandingan kinerja metode Regular Decomposition dengan metode-metode klasterisasi utama lain |
| Author | : | |
| Date | : | 0 2022 |
| Abstract | : | Klasterisasi merupakan teknik pembelajaran mesin tanpa supervisi yang populer dipakai untuk analisis data di berbagai perusahaan besar. Perusahaan besar tentu memiliki data berjumlah besar pula yang perlu diolah. Dengan demikian, penting untuk memilih metode klasterisasi yang dapat bekerja dengan baik pada data berukuran besar. Metode regular decomposition merupakan salah satu metode klasterisasi yang diperkenalkan memiliki kemampuan untuk mengklasterisasi graf yang berukuran sangat besar. Namun, belum pernah diteliti lebih lanjut metode ini untuk kasus dataset multivariat numerik yang tidak langsung berpola graf. Selain itu, kedudukan metode ini juga belum pernah dikaji secara komprehensif untuk dataset berukuran sangat besar. Oleh karena itu, diajukan penelitian untuk mengevaluasi kinerja metode regular decomposition dan membandingkannya dengan beberapa metode benchmark yang umum digunakan untuk klasterisasi data besar, yakni mini batch k-means dan DBSCAN, dan yang juga menggunakan konsep graf, yakni spectral clustering. |
| Group of Knowledge | : | Ilmu Komputer |
| Original Language | : | Bahasa Indonesia |
| Level | : | Nasional |
| Status | : |
| No | Title | Action |
|---|