Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR)
<p>Kajian ini dijalankan bertujuan membandingkan dua algoritma utama yang digunakan dalam proses pembentukan pengelasan geodemografi iaitu algoritma k-means dan algoritma Self-Organizing Map (SOM). Salah satu daripada algoritma yang dipilih akan digunakan dalam proses pembentukan profi...
Saved in:
Main Author: | |
---|---|
Format: | thesis |
Language: | zsm |
Published: |
2016
|
Subjects: | |
Online Access: | https://ir.upsi.edu.my/detailsg.php?det=3063 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
oai:ir.upsi.edu.my:3063 |
---|---|
record_format |
uketd_dc |
spelling |
oai:ir.upsi.edu.my:30632020-02-27 Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR) 2016 Siti Naielah Ibrahim@Yusof HB Economic Theory <p>Kajian ini dijalankan bertujuan membandingkan dua algoritma utama yang digunakan dalam proses pembentukan pengelasan geodemografi iaitu algoritma k-means dan algoritma Self-Organizing Map (SOM). Salah satu daripada algoritma yang dipilih akan digunakan dalam proses pembentukan profil penduduk. Sebanyak 1184 zon banci dan 203 pembolehubah daripada data banci penduduk dan perumahan telah digunakan. Analisis algoritma k-means melibatkan beberapa proses iaitu proses pengurangan pembolehubah, penentuan bilangan kluster optimum, pengubahan dan penyeragaman data. Manakala bagi algoritma SOM sebanyak 2,000 unit jaringan telah dibentuk dan topologi heksagon telah dipilih berserta dengan fungsi kejiranan gaussian. Berdasarkan kepada kedua-dua algoritma, k-means telah menghasilkan lima kluster manakala algoritma SOM telah menghasilkan lapan kluster. Hasil bagi keduadua algoritma ini dibandingkan dengan menggunakan pengukuran pekali kekuatan. Nilai ralat struktur dan ralat kuadratik bagi algoritma k-means adalah lebih tinggi berbanding algoritma SOM. Manakala nilai ralat pengelasan bagi algoritma k-means adalah lebih rendah berbanding algoritma SOM. Dapatan ini menunjukkan bahawa algoritma k-means memberikan hasil yang lebih baik berbanding algoritma SOM dalam proses pembentukan kluster dan penghasilan pengelasan geodemografi. Pada hierarki pertama, kluster-kluster ini dilabelkan sebagai kluster luar bandar, kluster kelas pertengahan bawahan, kluster perkampungan tradisi, kluster golongan bandar dan bekerjaya dan kluster pinggir bandar. Kesimpulannya, perbandingan pengelasan geodemografi dengan menggunakan algoritma k-mean dan algoritma SOM telah meningkatkan pencapaian dalam bidang geodemografi dan setanding dengan negara maju yang lain. Hasil daripada kajian ini dapat membantu pihak kerajaan, pihak berkuasa tempatan dan pembuat dasar dalam merumuskan keputusan yang lebih tepat terutamanya dari segi penyediaan kemudahan kesihatan, perkhidmatan awam dan keperluan asas yang lain.</p> 2016 thesis https://ir.upsi.edu.my/detailsg.php?det=3063 https://ir.upsi.edu.my/detailsg.php?det=3063 text zsm closedAccess Masters Universiti Pendidikan Sultan Idris Fakulti Pembangunan Manusia N/A |
institution |
Universiti Pendidikan Sultan Idris |
collection |
UPSI Digital Repository |
language |
zsm |
topic |
HB Economic Theory |
spellingShingle |
HB Economic Theory Siti Naielah Ibrahim@Yusof Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR) |
description |
<p>Kajian ini dijalankan bertujuan membandingkan dua algoritma utama yang digunakan dalam proses pembentukan pengelasan geodemografi iaitu algoritma k-means dan algoritma Self-Organizing Map (SOM). Salah satu daripada algoritma yang dipilih akan digunakan dalam proses pembentukan profil penduduk. Sebanyak 1184 zon banci dan 203 pembolehubah daripada data banci penduduk dan perumahan telah digunakan. Analisis algoritma k-means melibatkan beberapa proses iaitu proses pengurangan pembolehubah, penentuan bilangan kluster optimum, pengubahan dan penyeragaman data. Manakala bagi algoritma SOM sebanyak 2,000 unit jaringan telah dibentuk dan topologi heksagon telah dipilih berserta dengan fungsi kejiranan gaussian. Berdasarkan kepada kedua-dua algoritma, k-means telah menghasilkan lima kluster manakala algoritma SOM telah menghasilkan lapan kluster. Hasil bagi keduadua algoritma ini dibandingkan dengan menggunakan pengukuran pekali kekuatan. Nilai ralat struktur dan ralat kuadratik bagi algoritma k-means adalah lebih tinggi berbanding algoritma SOM. Manakala nilai ralat pengelasan bagi algoritma k-means adalah lebih rendah berbanding algoritma SOM. Dapatan ini menunjukkan bahawa algoritma k-means memberikan hasil yang lebih baik berbanding algoritma SOM dalam proses pembentukan kluster dan penghasilan pengelasan geodemografi. Pada hierarki pertama, kluster-kluster ini dilabelkan sebagai kluster luar bandar, kluster kelas pertengahan bawahan, kluster perkampungan tradisi, kluster golongan bandar dan bekerjaya dan kluster pinggir bandar. Kesimpulannya, perbandingan pengelasan geodemografi dengan menggunakan algoritma k-mean dan algoritma SOM telah meningkatkan pencapaian dalam bidang geodemografi dan setanding dengan negara maju yang lain. Hasil daripada kajian ini dapat membantu pihak kerajaan, pihak berkuasa tempatan dan pembuat dasar dalam merumuskan keputusan yang lebih tepat terutamanya dari segi penyediaan kemudahan kesihatan, perkhidmatan awam dan keperluan asas yang lain.</p> |
format |
thesis |
qualification_name |
|
qualification_level |
Master's degree |
author |
Siti Naielah Ibrahim@Yusof |
author_facet |
Siti Naielah Ibrahim@Yusof |
author_sort |
Siti Naielah Ibrahim@Yusof |
title |
Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR) |
title_short |
Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR) |
title_full |
Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR) |
title_fullStr |
Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR) |
title_full_unstemmed |
Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR) |
title_sort |
perbandingan metodologi pengelasan geodemografi dengan menggunakan algoritma k-means dan algoritma selforganizing map: satu kajian kes di negeri perak (ir) |
granting_institution |
Universiti Pendidikan Sultan Idris |
granting_department |
Fakulti Pembangunan Manusia |
publishDate |
2016 |
url |
https://ir.upsi.edu.my/detailsg.php?det=3063 |
_version_ |
1747833059611246592 |