PERBANDINGAN KINERJA METODE K-HARMONIC MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK KLASTERISASI DATA

Ahmad , Saikhu and Yoke , Okta (2012) PERBANDINGAN KINERJA METODE K-HARMONIC MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK KLASTERISASI DATA. Scan : Jurnal Teknologi Informasi dan Komunikasi, 7 (2). pp. 27-32. ISSN 1978-0087

Preview

PDF - Published Version Download (464Kb) | Preview

Abstract

Proses pengelompokan objek data ke dalam kelas-kelas berbeda yang disebut cluster sehingga objek yang berada pada cluster yang sama semakin mirip dan berbeda dengan objek pada cluster yang lain disebut dengan Clustering. K-Harmonic Means (KHM) merupakan algoritme clustering yang dapat memecahkan masalah inisialisasi pusat cluster pada algoritme K-Means, namun KHM masih belum dapat mengatasi masalah lokal optima. Particle Swarm Optimization (PSO) adalah algoritme stokastik yang dapat digunakan untuk menemukan solusi yang optimal pada sebuah permasalahan numerik. Pada penelitian ini, digunakan algoritme PSO dan algoritme KHM untuk melakukan clustering dan membandingkan hasilnya berdasarkan nilai objective function, F-Measure, dan running time. Uji coba dilakukan dengan 3 skenario terhadap 5 data set yang berbeda. Dari uji coba diperoleh bahwa berdasarkan nilai objective function, F-Meausure dan Running Time, metode KHM lebih baik dibanding PSO. Kata kunci: Data Clustering, K-Harmonic Means, Particle Swarm Optimization

Actions (login required)