Perbandingan Metode Distance Space Manhattan Dengan Euclidean Pada Algoritma K Means Clustering Dalam Menentukan Strategi Promosi

Perbandingan Metode Distance Space Manhattan Dengan Euclidean Pada Algoritma K Means Clustering Dalam Menentukan Strategi Promosi Rahma isparani Fajriah - 16170129 Primary Author Herlan Sutisna, S.T,M.Kom Editor mixed material bibliography Universitas BSI Bandung UNIVERSITAS BSI BANDUNG 2018-2019 id Indonesia ABSTRAK Rahma Isparani fajriah (16170129), Perbandingan Metode Distance Space Manhattan Dengan Metode Euclidean Pada Algoritma K Means Clustering Dalam Menentukan Strategi Promosi. Dinamika pola pendidikan yang begitu cepat dan silih berganti menjadikan persaingan antar sekolah semakin ketat dan atraktif , Dengan adanya persaingan ini strategi pemasaran yang tepat untuk lembaga pendidikan mutlak diperlukan, tak terkecuali untuk SMK Muhammadiyah Cimanggu. Untuk memperoleh strategi pemasaran yang efektif, maka penelitian ini dilakukan dengan cara mengolahan data history dengan tujuan mengetahui pola, sehingga dapat mengambil informasi yang tersembunyi dari data-data tersebut. Metode pengolahan data seperti ini sering disebut sebagai data mining. K-Means merupakan salah satu metode data clustering non hirarki yang sederhana. Pada penelitian ini, membandingan dua distance space yaitu antara Manhattan (City Block) dan Euclidean. Dari hasil penulisan dapat dilihat bahwa jumlah kluster terbaik pada data siswa SMK Muhammadiyah Cimanggu yaitu 3 kluster, hal ini dapat dilihat dari hasil selisih nilai Sum Square Error (SSE), nilai selesih terbesar pada metode Euclidean distance space yaitu sebesar 5.882 berada dititik kluster 3 dan nilai selesih terbesar pada metode Manhattan distance space yaitu sebesar 5.758 berada dititik kluster 3, Hal ini menunjukan bahwa jumlah cluster optimal untuk data siswa SMK Muhammadiyah Cimanggu yaitu sebanyak tiga cluster. dilihat dari Average within Centroid distance, Euclidean lebih kecil dibandingkan dengan manhattaan yaitu 15.115 < 15.398 , oleh karna itu Distance measure paling optimal untuk digunakan dalam kasus pengclusteran data siswa SMK Muhammadiyah Cimanggu adalah Euclidean distance. Kata kunci: K Means, Manhattan, Euclidean, Strategi Promosi. Sistem Informasi K-Means Manhattan Euclidean Strategi Promosi 102 /S1.SI.SKP/2018-2019 Digital Library ARS University Perpustakan Online ARS University 102 /S1.SI.SKP/2018-2019 S01115K Perpustakaan 102 /S1.SI.SKP/2018-2019 ABSTRAK BAB 1 BAB 5 DAFTAR PUSTAKA JURNAL cover.PNG.PNG 4982 2019-07-31 14:19:37 2020-02-12 08:19:37 machine generated