Perpustakaan Digital ITB

Analisis Hirarki Aglomerasi K-Means merupakan tehnik pengelompokkan data dengan menggabungkan metode hirarki aglomerasi dengan metode k-means. Hirarki Aglomerasi digunakan untuk menentukkan banyaknya klaster dan inisial pusat klaster. Hirarki aglomerasi yang digunakan adalah pautan terdekat, terjauh, dan rata-rata. Sedangkan K-Means digunakan untuk mengelompokkan objek ke klaster yang sesuai. Ukuran jarak yang digunakan dalam pengelompokkan data Tugas Akhir ini adalah jarak Euclidean. Metode Hirarki Aglomerasi K-Means akan diterapkan pada data kecelakaan kereta di Eropa tahun 2014, dengan 31 objek dan 6 faktor penyebab kecelakaan. Metode ini juga diterapkan pada data Trecer Study ITB alumni Matematika 2006 sampai dengan 2009 berdasarkan 3 variabel, yaitu IPK, gaji, serta lama tunggu pekerjaan pertama. Pengelompokkan data dengan hirarki aglomerasi k-means mempunyai variansi klaster 1,5 kali lebih kecil dibandingkan menggunakan metode hirarki saja atau k-means saja.