Analisis Klasterisasi Multi Distribusi Kontinu

Handiko. 2023. Analisis Klasterisasi Multi Distribusi Kontinu. Skripsi Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Cenderawasih.

Penelitian ini mengkaji tentang pengklasteran distribusi kontinu dengan dua parameter yaitu parameter bentuk dan parameter skala. Distribusi yang digunakan dalam penelitian ini adalah distribusi Erlang, Fatigue Life, Frechet, Gamma, LogLogistik, Pareto, Pearson Tipe V dan Weibull. Untuk menentukan distribusi apa saja yang mirip, terlebih dahulu harus dilakukan estimasi parameter. Kemudian nilai parameter yang diperoleh akan digunakan untuk melakukan uji hipotesis. Nilai statistik uji yang diperoleh melalui uji hipotesis, kemudian akan dijadikan dasar dalam melakukan klasterisasi terhadap distribusi kontinu dengan dua parameter. Tujuan dari penelitian ini adalah untuk mengetahui distribusi apa saja yang mirip.
Hasil penelitian menunjukkan bahwa untuk data dengan range ≤ 20 dengan jumlah data ≤ 100 , dan range ≤ 50 dengan jumlah data ≤ 50 pada model sebaran tertentu, distribusi Gamma, Log-Logistik, dan Weibull memiliki kemiripan. Jumlah klaster optimal untuk data dengan range (1 − 10) sebanyak 50 dan 100 data (data set 1 dan 2), range (1 − 10) sebanyak 300 data (data set 1), range (1 − 20) sebanyak 50 data (data set 2) dan 100 data (data set 1), dan range (1 − 50) sebanyak 50 data (data set 2) yaitu sebanyak 2 klaster. Data dengan range (1 − 10) sebanyak 300 data (data set 2) dan range (1 − 50) sebanyak 50 data (data set 1) yaitu sebanyak 3 klaster. Dan data dengan range (1 − 20) sebanyak 50 data (data set 1) dan 100 data (data set 2) sebanyak 5 klaster.

Kata kunci : Klasterisasi, distribusi kontinu, uji kolmogorov-smirnov, uji anderson-darling