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...

Full description

Saved in:

Bibliographic Details
Main Author:	Siti Naielah Ibrahim@Yusof
Format:	thesis
Language:	zsm
Published:	2016
Subjects:	HB Economic Theory
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

Perbandingan metodologi pengelasan Geodemografi dengan menggunakan Algoritma K-means dan Algoritma Selforganizing Map: satu kajian kes di negeri Perak (IR)

Similar Items