PERBANDINGAN KINERJA ALGORITMA WARD DAN ALGORITMA K-MEANS DENGAN UJI SILHOUETTE COEFFICIENT

Analisis cluster merupakan suatu teknik analisis multivariat yang bertujuan untuk mengklasifikasikan data observasi ataupun variabel-variabel ke dalam cluster sedemikian rupa sehingga masing-masing cluster bersifat homogen. Prosedur analisis cluster dapat dilakukan dengan dua metode yaitu metode hirarki dan metode nonhirarki. Algoritma Ward merupakan salah satu algoritma dari metode hirarki yang bertujuan untuk memperoleh cluster yang memiliki varians internal yang sekecil mungkin. Algoritma K-Means merupakan salah satu algoritma dari metode non-hirarki dengan menentukan center (pusat cluster) secara acak dan melakukan pembaharuan center sampai kriteria pemberhentian tercapai. Tujuan dari penelitian ini adalah untuk mengelompokan kabupaten/kota menggunakan algoritma Ward dan algoritma K-Means berdasarkan Kasus Penyakit di sulawesi Selatan tahun 2017. Kemudian membandingkan kedua algoritma tersebut dengan uji Silhouette Coefficient. Dari kedua algoritma yang digunakan menghasilkan 2 cluster yang terbentuk. Dengan algoritma Ward diperoleh cluster 1 terdiri dari 22 kabupaten/kota dan cluster 2 terdiri dari 2 kabupaten/kota. Untuk algoritma K Means diperoleh cluster 1 terdiri dari 20 kabupaten/kota dan cluster 2 terdiri dari 4 kabupaten/kota. Berdasarkan uji silhouette coefficient, algoritma Ward merupakan metode pengclusteran terbaik karena memiliki struktur data yang kuat. Dimana seluruh objek dalam cluster memilki nilai silhouette positif dan nilai rata rata sebesar 0,69 mendekati angka 1.