ANALISIS KELOMPOK UNTUK DATA KATEGORIK BERDASARKAN ALGROITMA VEKTOR HAMMING DISTANCE (Studi Kasus : Klasifikasi Hewan Berdasarkan Morfologi dan Karakteristik Umum)

SHIDDIQ SUGIONO, Herni Utami, S.Si., M.Si.

2014 | Skripsi | STATISTIKA

Analisis kelompok menggunakan metode K-Means Clustering yang menggunakan rata-rata sebagai pusat dari kelompok tidak lagi berarti jika digunakan dalam kumpulan data yang bersifat kategorik. Analisis kelompok menggunakan algoritma vektor Hamming distance dikhususkan untuk kumpulan data yang bersifat kategorik. Teori dalam algoritma ini banyak berdasar pada coding theory. Algoritma ini tidak diperlukan model ataupun kriteria konvergensi dalam jalannya algortima. Algoritma ini merupakan alternatif dari algoritma yang sebelumnya telah diajukan seperti K-modes dan Autoclass. Studi kasus yang dilakukan adalah pengklasifikasian hewan menurut morfologi dan karakteristik umumnya. Pengklasifikasian ini bertujuan untuk mengelompokan hewan pada kelompok/sub-populasi yang memiliki kemiripan tinggi. Diharapkan hasil ini bisa digunakan untuk mempelajari hewan berdasarkan kemiripan sifatnya.

Clustering analysis using K-Means clustering methods which using mean as the center of cluster doesn’t have any meaning anymore if the method is used for the categorical data. Clustering analysis using Hamming distance vector algorithm is only for categorical dataset. Theory that used in this algorithm is based on coding theory. It doesn’t need any model or convergence criteria for this algorithm. This algorithm is the alternate way for older method : K-Modes and Autoclass. The case studies in this thesis is animal classification based on their morphology and common characteristic, the purpose of the classification is grouping some animal into subpopulation. Thus, the result can be a reference to studing animal from their simmilarities.

Kata Kunci : Data Kategorik, Analsis kelompok, Vektor Hamming distance, statistik uji Modified chi-squared