- Book学术

发布求助

文献互助智能选刊最新文献

Indonesian Journal of Technology, Informatics and Science (IJTIS) Pub Date : 2020-12-31 DOI:10.24176/IJTIS.V2I1.5651

Tito Bimantoro, Anindya Khrisna Wardhani

{"title":"IMPLEMENTASI ALGORITMA PARTITIONING AROUND MEDOIDS DALAM PENGELOMPOKAN RESTORAN","authors":"Tito Bimantoro, Anindya Khrisna Wardhani","doi":"10.24176/IJTIS.V2I1.5651","DOIUrl":null,"url":null,"abstract":"Banyaknya data yang hanya sebatas memberikan grafik atau statistik mengenai data restoran dapat dimanfaatkan untuk penggalian data menggunakan teknik data mining. Informasi yang dapat digali dari data restoran adalah pengelompokan kategori restoran berdasarkan jumlah menu yang terdapat pada restoran tersebut. Penelitian ini menerapkan teknik data mining menggunakan metode clustering partitioning around medoids (k-medoids) untuk menghasilkan informasi mengenai pengelompokkan kategori restoran. Algoritma clustering Partitioning Around Medoids(PAM) atau disebut juga K-Medoids adalah algoritma untuk menemukan k cluster dalam n objek dengan pertama kali secara arbitrarily menemukan wakil dari objek (medoid) untuk tiap-tiap cluster. Pengelompokan dalam penelitian ini adalah appetizer, soup, main course, dessert, minuman dan snack. Kemudian hasil tersebut dapat dijadikan bahan atau dasar dari konsumen untuk memilih restoran berdasarkan kategori apa yang ingin konsumen makan. Berdasarkan data yang diperoleh, dihasilkan cluster yang merepresentasikan appetizer (cluster_2) 17 item, soup (cluster_1) 7 item, main course (cluster_4) 51 item, dessert (cluster_3) 11 item, minuman (cluster_5) 6 item dan snack (cluster_0) 13 item. Kata kunci: Data Mining, K- Medoids, Clustering","PeriodicalId":178541,"journal":{"name":"Indonesian Journal of Technology, Informatics and Science (IJTIS)","volume":"7 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Indonesian Journal of Technology, Informatics and Science (IJTIS)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24176/IJTIS.V2I1.5651","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 3

摘要

仅凭餐厅数据的图表或统计数据，就可以利用数据挖掘技术进行数据挖掘。从餐厅数据中提取的信息是根据餐馆菜单的数量对餐馆类别进行分组。该研究采用了利用聚合体周围聚合体的方法挖掘数据技术，产生关于餐厅分类的信息。在Medoids(PAM)(又称k -Medoids)周围的聚合算法是一种算法，可以在n个物体中找到k簇，而k簇最初在仲式上对每个集群进行了对应的找到(medoid)。本研究的分组包括开胃菜、汤、主理课程、甜点、饮料和零食。然后，这一结果可以作为消费者根据消费者选择餐馆的类型或基础。根据所获得的数据，创建了代表appetizer (cluster_2) 17项的集群，soup (cluster_1) 7项，main course (cluster_4) 51项，dessert (cluster_3) 11项，饮料(cluster_5) 6项和零食(cluster_0) 13项。关键词:数据挖掘，K- Medoids, Clustering

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

IMPLEMENTASI ALGORITMA PARTITIONING AROUND MEDOIDS DALAM PENGELOMPOKAN RESTORAN

Banyaknya data yang hanya sebatas memberikan grafik atau statistik mengenai data restoran dapat dimanfaatkan untuk penggalian data menggunakan teknik data mining. Informasi yang dapat digali dari data restoran adalah pengelompokan kategori restoran berdasarkan jumlah menu yang terdapat pada restoran tersebut. Penelitian ini menerapkan teknik data mining menggunakan metode clustering partitioning around medoids (k-medoids) untuk menghasilkan informasi mengenai pengelompokkan kategori restoran. Algoritma clustering Partitioning Around Medoids(PAM) atau disebut juga K-Medoids adalah algoritma untuk menemukan k cluster dalam n objek dengan pertama kali secara arbitrarily menemukan wakil dari objek (medoid) untuk tiap-tiap cluster. Pengelompokan dalam penelitian ini adalah appetizer, soup, main course, dessert, minuman dan snack. Kemudian hasil tersebut dapat dijadikan bahan atau dasar dari konsumen untuk memilih restoran berdasarkan kategori apa yang ingin konsumen makan. Berdasarkan data yang diperoleh, dihasilkan cluster yang merepresentasikan appetizer (cluster_2) 17 item, soup (cluster_1) 7 item, main course (cluster_4) 51 item, dessert (cluster_3) 11 item, minuman (cluster_5) 6 item dan snack (cluster_0) 13 item. Kata kunci: Data Mining, K- Medoids, Clustering

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Indonesian Journal of Technology, Informatics and Science (IJTIS)

自引率

0.00%

发文量