Analisis Fuzzy Geographically Weighted Clustering-Particle Swarm Optimization Menggunakan Context-Based Clustering (CFGWC-PSO) (Studi Kasus: Pengelompokan Wilayah Bencana Endemik Demam Berdarah Dengue Di Provinsi Jawa Timur Berdasarkan Faktor Penyebab Penyebaran DBD)

Abdussamad, Siti Nurmardia (2019) Analisis Fuzzy Geographically Weighted Clustering-Particle Swarm Optimization Menggunakan Context-Based Clustering (CFGWC-PSO) (Studi Kasus: Pengelompokan Wilayah Bencana Endemik Demam Berdarah Dengue Di Provinsi Jawa Timur Berdasarkan Faktor Penyebab Penyebaran DBD). Magister thesis, Universitas Brawijaya.

Abstract

Metode pengelompokan yang sering digunakan adalah Fuzzy C-Mean Cluster (FCM), pengembangan yang menarik dari FCM yaitu algoritma Fuzzy Geographically Weighted Clustering (FGWC). Dalam pengembangannya FGWC dikombinasikan dengan Particle Swarm Optimization dengan context based clustering sehingga didapatkan Hybrid (CFGWC-PSO). Metode CFGWC-PSO dapat mengatasi masalah waktu komputasi yang berjalan lambat dalam hal iterasi, dan menghasilkan partisi data yang lebih stabil dan akurat jika dibandingkan dengan metode sebelumnya. Pada penelitian ini, metode CFGWC-PSO diaplikasikan pada 11 variabel dari data penyebab penyebaran demam berdarah di Provinsi Jawa Timur. Berdasarkan hasil pengolahan dari 3 indeks validasi untuk mengetahui jumlah pengelompokan yang tepat, menunjukkan bahwa cluster = 2 memberikan hasil pengelompokan yang lebih baik. Hasil indeks IFV digunakan untuk mengetahui algoritma pengelompokan terbaik yaitu CFGWC- PSO-C2. Pengelompokan dilakukan menggunakan algoritma terbaik yaitu CFGWC-PSO-C2 dan jumlah cluster = 2 dan mendapatkan hasil bahwa potensi penyebab penyebaran DBD tertinggi terdapat pada wilayah-wilayah pada cluster 2.

English Abstract

Method of clustering which is often used is Fuzzy C-Mean (FCM), an interesting development of FCM is Fuzzy Geographically Weighted Clustering (FGWC) algorithm. In its development FGWC was combined with Particle Swarm Optimization with Context Based Clustering until we get a Hybrid (CFGWC-PSO). Method of CFGWC-PSO can overcome the problem of computational time running slowly in terms of iteration, and produce a data partition which is more stable and accurate when compared with previous method. In this study, CFGWC-PSO method was applied to 11 variables from the data causing the spread of dengue in East Java Province. Based on the results of the processing of 3 validation index to find the correct number of clustering, shows that cluster = 2 gives better grouping result. IFV index results are used to find the best clustering algorithm, is CFGWC-PSO-C2. Clustering is done using the best algorithm, CFGWC-PSO-C2 with the number of cluster = 2 and get the result that the highest potential cause of DHF spread is founs in the regions in cluster 2.

Other obstract

-

Item Type:	Thesis (Magister)
Identification Number:	TES/006.32/ABD/a/2019/041911211
Uncontrolled Keywords:	-
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks)
Divisions:	S2/S3 > Magister Statistika, Fakultas MIPA
Depositing User:	Endang Susworini
Date Deposited:	18 Jul 2022 03:53
Last Modified:	18 Jul 2022 03:53
URI:	http://repository.ub.ac.id/id/eprint/192178

Text Bismillah-FULLTesis_Siti Nurmardia Abdussamad.pdf Download (3MB)

Actions (login required)

View Item