Pada sistem clustering banyak metode yang digunakan untuk cluter-isasi, salah satunya adalah SOM (Self Organizing Maps). Dalam penelitian kami menggunakan 2 pendekatan. Pendekatan yang pertama adalah peng-cluster-an menggunakan SOM-RBF yang digunakan pada pelatihan data dan diduga dapat menghasilkan cluster yang lebih baik. Dan pendekatan kedua peng-cluster-an menggunakan SOM. Perbandingan kedua metode didasarkan pada penerapan pada data yang berasal dari dataset situs movielens.org. Penilaian perbandingan menggunakan 3 skenario, yaitu MSE sebagai kondisi stop terhadap running time, MSE sebagai kondisi stop terhadap epoch dan learning rate, dan MSE sebagai kondisi stop terhadap nilai MSE yang sebenarnya. Dimana dengan running time tersebut terdeteksi pendekatan manakah yang lebih cepat rentang waktunya untuk mengekstraksi data latih. Berdasarkan hasil uji coba yang dilakukan menggunakan 500 data, yang diterapkan pada 3 dan 4 cluster menghasilkan kesimpulan bahwa pendekatan pertama mempunyai nilai MSE sebenarnya yang lebih mendekati nilai absolut MSE dibandingkan dengan pendekatan kedua.


Deskripsi Lain

In many clustering systems methods used to cluter-ization, one of which is the SOM (Self Organizing Maps). In our study using two approaches. The first approach is a lawyer-cluster's using SOM-RBF used in the training data and could be expected to result in better cluster. And the two lawyer-cluster approach's use of SOM. Comparison of both methods is based on the application of the data derived from the dataset movielens.org site. Comparative assessment using three scenarios, namely the MSE as a stop condition on the running time, the MSE as the stop condition of the epoch and the learning rate, and MSE as the stop condition of the actual value of the MSE. Where the running time is detected which is more rapid approach to the time span for extracting training data. Based on the results of experiments performed using 500 data, which is applied to clusters 3 and 4 lead to the conclusion that the first approach has the value of MSE is actually closer to the absolute value of MSE as compared to the second approach.

• PENGELOMPOKAN LAHAN MENGGUNAKAN METODE HYBRID K-MEANS CLUSTERING DENGAN DAVIES BOULDIN INDEX (DBI)
• PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN MENGGUNAKAN PARTITION AROUND MEDOIDS (PAM)
• Pengelompokan Kecamatan Di Pulau Madura Berdasarkan Indikator Pemerataan Pendidikan Menggunakan Metode K-Means Clustering Berbasis Smarter (Simple Multy Attribute Rating Technique Exploiting Ranks Method)
• Simulasi lampu lalu lintas pada sebuah Persimpangan jalan dengan memanfaatkan Citra cctv menggunakan Gabor filter dan Fuzzy logic
• Implementasi Efficient-SOM Pada Text Clustering Menggunakan Reduksi Dimensi