Metode RCE-Kmeans untuk Clustering Data
Abstrak: Telah banyak metode
yang dikembangkan untuk memecahkan berbagai masalah clustering. Salah satunya
menggunakan metode-metode dari bidang kecerdasan kelompok seperti Particle
Swarm Optimization (PSO). Metode Rapid Centroid Estimation (RCE) merupakan
salah satu metode clustering yang berbasis PSO. RCE, seperti varian PSO clustering
lainnya, memiliki kelebihan yaitu hasil clustering tidak tergantung pada
inisialisasi pusat cluster awal. RCE juga memiliki waktu komputasi yang jauh
lebih cepat dibandingkan dengan metode sebelumnya yaitu Particle Swarm
Clustering (PSC) dan modified Particle Swarm Clustering (mPSC), tetapi metode
RCE memiliki standar deviasi kualitas skema clustering yang lebih tinggi
dibandingkan PSC dan mPSC dimana ini berpengaruh terhadap variansi hasil
clustering. Hal ini terjadi karena equilibrium state, yaitu kondisi dimana
posisi partikel tidak mengalami perubahan lagi, kurang tepat pada saat kriteria
berhenti tercapai. Penelitian ini mengusulkan metode RCE-Kmeans yaitu metode
yang mengaplikasikan K-means setelah equilibrium state metode RCE tercapai
untuk memperbarui posisi partikel yang dihasilkan dari metode RCE. Hasil
penelitian menunjukkan bahwa dari sepuluh dataset, metode RCE-Kmeans memiliki
nilai kualitas skema clustering yang lebih baik pada 7 dataset dibandingkan
K-means dan lebih baik pada 8 dataset dibandingkan dengan metode RCE. Penggunaan
K-means pada metode RCE juga mampu menurunkan nilai standar deviasi dari metode
RCE.
Penulis: Izmy Alwiah Musdar,
Azhari SN
Kode Jurnal: jptinformatikadd150258
