Fuzzy C-Mean untuk Mengcluster Pemain Football FIFA (Studi Kasus: Data Kaggle)

Nur Nafi'iyah, Mohammad Afan, Retno Wardhani

Abstract


Abstrak

Dari kumpulan data yang ada di dunia internet, kami ingin melakukan pengelolahan. Tujuan pengelolahan data yang ada di internet khususnya kaggle adalah untuk mengetahui bagaimana proses clustering serta bagaimana menerapkan algoritma fuzzy c-mean. Fuzzy c-mean digunakan untuk mengcluster dan mendapatkan nilai centroid dari masing-masing cluster. Hasil dari nilai centroid masing-masing cluster digunakan untuk mengelompokkan data baru atau dataset itu sendiri. Kami menggunakan dataset kaggle FIFA Football untuk dicluster menjadi 2 dan 3 kelompok. Algoritma fuzzy c-mean diimplementasikan untuk mencluster data sebanyak 2499 baris dengan 46 variabel. Tool yang digunakan untuk mengolah data adalah matlab.
 
Kata kunci—FIFA Fottbal, Clustering, Fuzzy C-mean, Matlab
 
Abstract 

From the data set in the internet world, we want to do the management. The purpose of managing existing data on the internet especially Kaggle is to find out how the clustering process is and how to apply the c-mean fuzzy algorithm. Fuzzy c-mean is used to cluster and get the centroid value of each cluster. The results of the centroid value of each cluster are used to group new data or the dataset itself. We use the FIFA Football Kaggle dataset to cluster into 2 and 3 groups. Fuzzy c-mean algorithm is implemented to cluster data with 2499 rows with 46 variables. The tool used to process data is matlab.
 
Keywords— FIFA Fottbal, Clustering, Fuzzy C-mean, Matlab
 


Full Text:

34 - 43

References


Adi Suryaputra P, Febriliyan Samopa, Bekti Cahyo Hindayanto. (2014). KLASTERISASI DAN ANALISIS TRAFIK INTERNET MENGGUNAKAN FUZZY C MEAN DENGAN EKSTRAKSI FITUR DATA. Jurnal Informatika, 33-39.

Cary Lineker Simbolon, Nilamsari Kusumastuti, Beni Irawan. (2013). CLUSTERING LULUSAN MAHASISWA MATEMATIKA FMIPA UNTAN PONTIANAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS. Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster), 21-26.

Nafi'iyah, N. (2015). Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner. Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA), 49-55.

Nafi'iyah, N. (2015). Clustering Keahlian Mahasiswa dengan SOM (Studi Khusus: Teknik Informatika Unisla). SNATIKA (pp. 105-110). Malang: STIKI Indonesia Malang.

Nelson Butarbutar, Agus Perdana Windarto, Dedi Hartama, Solikhun. (2016). KOMPARASI KINERJA ALGORITMA FUZZY C-MEANS DAN K-MEANS DALAM PENGELOMPOKAN DATA SISWA BERDASARKAN PRESTASI NILAIAKADEMIK SISWA. JURASIK (Jurnal Riset Sistem Informasi & Teknik Informatika), 46-55.

Tb. Ai Munandar, Wahyu Oktri Widyarto, Harsiti. (2013). Clustering Data Nilai Mahasiswa untuk Pengelompokan Konsentrasi Jurusan Menggunakan Fuzzy Cluster Means. Seminar Nasional Aplikasi Teknologi Informasi (SNATI), (pp. 30-33). Yogyakarta.

Titus Kristanto, Rachman Arief. (2013). ANALISA DATA MINING METODE FUZZY UNTUK CUSTOMER RELATIONSHIP MANAGEMENT PADA PERUSAHAAN TOUR & TRAVEL. Seminar Nasional Sistem Informasi Indonesia (pp. 528-534). Surabaya: SESINDO.


Refbacks

  • There are currently no refbacks.