Perbandingan Algoritme K-Means Dengan Algoritme Fuzzy C Means (FCM) Dalam Clustering Moda Transportasi Berbasis GPS

Syarif, Rahman (2018) Perbandingan Algoritme K-Means Dengan Algoritme Fuzzy C Means (FCM) Dalam Clustering Moda Transportasi Berbasis GPS. Sarjana thesis, Universitas Brawijaya.

Abstract

Transportasi sudah menjadi kebutuhan dasar bagi masyarakat modern saat ini. Namun seringkali kebutuhan akan transportasi ini tidak diikuti dengan informasi mengenai ketersediaan trasnportasi di suatu tempat. Pada kasus ini, data dari GPS dapat digunakan untuk mengelompokkan moda transportasi yang tersedia serta memberikan informasi mengenai jumlah tiap-tiap moda transportasi yang tersebar dalam suatu wilayah dan waktu tertentu. Algoritme yang digunakan untuk memngelompokkan moda transportasi pada penelitian ini adalah K-Means dan Fuzzy C Means (FCM). Dua algoritme ini kemudian dibandingkan mana yang lebih baik hasilnya. Pengelompokan moda transportasi pada algoritme K-Means diperoleh dari jarak terkecil data moda trasnportasi dengan pusat klaster. Sedangkan pada algoritme FCM pengelompokan diperoleh dari nilai derajat keanggotaan terbesar. Setelah dilakukan pengujian sebanyak 10 kali, didapatkan rata-rata akurasi K-Means sebesar 58.46154 dan 70.86538 untuk algoritme FCM. Sedangkan untuk nilai silhouette Coefficient diperoleh rata-rata 0.4582670 untuk K-Means dan 0.440682 untuk algoritma FCM. Dari hasil pengujian, disimpulkan bahwa algoritme FCM lebih unggul dibandingkan K-Means.

English Abstract

Transportation has become a basic necessity for today’s society. But often the need for transportation is not followed by information on the availability of transportation in a certain place. In this case, data from GPS can be used to group the available modes of transportation and provide information on the number of each mode of transportation scattered in a certain place and time. Algorithm used to group modes of transportation in this research is K-Means and Fuzzy C Means (FCM). These two algorithms then compared which one with the better result. The transportation mode grouping on the K-Means algorithm is obtained from the smallest distance of the transport mode data with the cluster center. Whereas in the FCM algorithm, grouping is obtained from the greatest degree values. After 10 times testing, obtained an average of K-Means accuracy of 58.46154 and 70.86538 for FCM algorithm. While for the silhouette Coefficient value obtained an average of 0.4582670 for K-Means and 0.440682 for FCM algorithm. From the test results, it was concluded that the FCM algorithm is superior to K-Means.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FTIK/2018/263/051801953
Subjects:	300 Social sciences > 388 Transportation > 388.04 Special topics of transportation
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Yusuf Dwi N.
Date Deposited:	24 May 2018 01:16
Last Modified:	27 Oct 2021 05:31
URI:	http://repository.ub.ac.id/id/eprint/10950

Text Perbandingan algoritma K-Means dengan FCM dalam clustering m.pdf Download (3MB)

Actions (login required)

View Item