MENGUNGKAP POLA TERSEMBUNYI MENGGUNAKAN ANALISIS KLASTER DI R
Kata Kunci:
pola tersembunya, kluster rSinopsis
Buku berjudul “Mengungkap Pola Tersembunyi: Panduan Praktis Analisis Klaster dan Optimasi dengan Principal Component Analysis (PCA) Menggunakan R” ini disusun dengan tujuan untuk mempermudah pemahaman tentang konsep-konsep analisis klaster dan optimasi, serta memberikan panduan praktis untuk mengimplementasikannya menggunakan R. Analisis klaster merupakan teknik yang digunakan untuk mengelompokkan data berdasarkan kesamaan pola, sementara Principal Component Analysis (PCA) digunakan untuk mengoptimalkan klaster dengan mereduksi dimensi data.
Hadirnya buku ini akan memberikan kemudahan dalam mempelajari dan mengimplementasikan teknik-teknik tersebut dengan pendekatan yang sistematis dan aplikatif. Buku ini mencakup berbagai teknik analisis klaster dan optimasi PCA yang dapat diterapkan dalam berbagai jenis permasalahan dan dataset.
Bab
-
KATA PENGANTAR
-
DAFTAR ISI
-
DAFTAR TABEL
-
DAFTAR GAMBAR
-
BAB 1 KNOWLEDGE DISCOVERY IN DATA MINING
-
BAB 2 KONSEP ANALISIS KLASTER
-
BAB 3 PENGELOMPOKKAN HIERARKI
-
BAB 4 PENGELOMPOKAN NON HIERARKI
-
BAB 5 UJI VALIDITAS KLASTER
-
BAB 6 OPTIMASI KLASTER DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)
-
DAFTAR PUSTAKA
-
PROFIL PENULIS
Unduhan
Referensi
Anderberg, M. (1973). Cluster analysis for application. Academic Press.
Ansari, M. Saleh. 2011. Analisis Statistik dengan Microsoft Excel dan SPSS. Yogyakarta: Graha Ilmu.
Everitt, B. S., Landau, S., Leese, M., & Stahl, D. (2011). Cluster analysis (5th ed.). Wiley.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3), 37–54. https://doi.org/10.1609/aimag.v17i3.1230
García, S., Luengo, J., & Herrera, F. (2015). Data preprocessing in data mining. Springer International Publishing. https://doi.org/10.1007/978-3-319-10247-4
Gujarati, D. (2009). Dasar-dasar ekonometrika. Erlangga.
Hair, J. F., Black, W. C., & Babin, B. J. (2009). Multivariate data analysis. Prentice Hall.
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques. Morgan Kaufmann.
Hand, D., Mannila, H., & Smyth, P. (2001). Principles of data mining. MIT Press.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer.
Hennig, C., Meila, M., Murtagh, F., & Rocci, R. (Eds.). (2015). Handbook of cluster analysis. CRC Press.
Jain, A. K., & Dubes, R. C. (1988). Algorithms for clustering data. Prentice Hall.
Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data clustering: A review. ACM Computing Surveys (CSUR), 31(3), 264-323. https://doi.org/10.1145/331499.331504
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An Introduction to Statistical Learning with Applications in R (2nd ed.). Springer.
Johnson, R. A., & Wichern, D. W. (2007). Applied multivariate statistical analysis. Pearson Prentice Hall.
Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374(2065), 20150202. https://doi.org/10.1098/rsta.2015.0202
Kaufman, L., & Rousseeuw, P. J. (2005). Finding groups in data: An introduction to cluster analysis. Wiley.
Mardi, Y., (2017), Data Mining: Klasifikasi Menggunakan Algoritma C4.5. Jurnal Edik Informatika, Vol. 2, No. 2, Hal. 213-219.
Nielsen, F. (2016). Introduction to HPC with MPI for data science. Springer.
Nugroho, H. (2008). Statistika multivariat terapan. UNIB Press.
Pramesti, D. F., Furqon, M. T., & Dewi, C., (2017), Impelementasi Metode K-Medoids Clustering untuk Pengelompokan Data Potensi Kebakaran Hutan/Lahan Berdasarkan Persebaran Titik Panas (Hotspot). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X.Y. Vol. 1, No. 9, Hal. 723-732.
Pramana, S., Yuniarto, B., Mariyah, S., Santoso, L., & Nooraeni, R., (2018), Data Mining dengan R: Konsep serta Impelementasi. Bogor: IN MEDIA.
Prasetyo, E. (2012). Data mining: Konsep dan aplikasi menggunakan MATLAB. Andi Offset.
Santosa, B., & Umam, A. (2018). Data Mining dan Big Data Analytics. Yogyakarta: Penebar Media Pustaka.
Santoso, B. (2007). Data mining: Teknik pemanfaatan data untuk keperluan bisnis. Graha Ilmu.
Suntoro, J. (2019). Data mining: Algoritma dan implementasi dengan pemrograman PHP. Elex Media Komputindo.
Suyanto, Dr. (2019). Data Mining untuk Klasifikasi dan Klasterisasi Data (Edisi Revisi). Informatika.
Tabachnick, B. G., & Fidell, L. S. (2001). Using multivariate statistics. Harper Collins.
Uyun, S., & Subanar. 2007. Pengantar Statistika Matematika dan Analisis Data. Yogyakarta: Graha Ilmu.
Widarjono, A. (2015). Analisis multivariat terapan dengan program SPSS. UPP STIM YKPN.
Yuan, C., & Yuang, H., (2019), Research on K-Value Selection Method of K-Means Clustering Algorithm. Journal Multidisciplinary Scientific, Vol. 2, No. 2, Hal. 226-235.
