Perbandingan Algoritma K-Means dan K-Medoids Untuk Pengelompokan Suhu di Provinsi Riau
Comparison of K-Means and K-Medoids Algorithms for Temperature Grouping in Riau Province
DOI:
https://doi.org/10.57152/ijirse.v2i2.434Keywords:
DBI, K-Means, K-Mendoids,, Temperature.Abstract
Indonesia merupakan negara yang beriklim tropis dimana setiap daerahnya memiliki suhu yang berbeda-beda. Suhu di Indonesia memiliki tingkatan mulai dari panas, sedang, dingin dengan suhu yang selalu berubah-ubah setiap bulan bahkan setiap harinya, peneliti melakukan penelitian dalam pengelompokkan data suhu di Provinsi Riau yang bersumber dari Badan Pusat Statistik (BPS) Riau mulai dari tahun 2019, 2020, 2021. Penelitian ini dilakukan untuk membandingan algoritma yang digunakan serta mengetahui algoritma yang tepat untuk pengelompokkan suhu berdasarkan hasil uji validitas DBI dimana semakin kecil nilai DBI maka semakin baik cluster yang dihasilkan. Berdasarkan hasil percobaan, algoritma K-Means memperoleh nilai DBI terbaik sebesar 0,2 pada K=6 dengan 10 iterasi sedangkan Algoritma K-Medoids memperoleh nilai terbaik sebesar 0,279 pada K=8 dengan 100 iterasi. Hal ini mengartikan bahwa algoritma K-Means lebih baik jika dibandingkan dengan K-Medoids dalam pengelompokkan suhu di Provinsi Riau. Penelitian ini diharapkan dapat memberikan informasi mengenai segmentasi suhu di Provinsi Riau kepada stakeholder sebagai bahan pertimbangan atau analisis suhu di waktu yang akan datang.
References
S. Saputri and A. N. Rahma, “Pengelompokan Suhu Di Kota Pekanbaru Menggunakan Metode Fuzzy K-Means,” no. November, pp. 505–512, 2019.
S. Wirohamidjojo and Y. S. Swarinoto, “Iklim kawasan Indonesia,” Jakarta Badan Meteorol. dan Geofis., 2010.
F. Harahap, “Perbandingan Algoritma K Means dan K Medoids Untuk Clustering Kelas Siswa Tunagrahita,” vol. 2, no. 4, pp. 191–197, 2021.
S. F. Octavia, “Penerapan K-Means dan Fuzzy C-Means untuk Pengelompokan Data Kasus Covid-19 di Kabupaten Indragiri Hilir,” vol. 3, no. 2, pp. 88–94, 2021, doi: 10.47065/bits.v3i2.1005.
I. Kamila et al., “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau,” vol. 5, no. 1, pp. 119–125, 2019.
P. Algoritma and K. D. A. N. K. Dalam, “Perbandingan algoritma k-means dan k-medoids dalam klasterisasi produk asuransi perusahaan nasional,” vol. XI, no. 2, pp. 208–214, 2019.
“PERBANDINGAN NORMALISASI DATA UNTUK KLASIFIKASI WINE MENGGUNAKAN ALGORITMA K-NN,” vol. 4, no. 1, pp. 78–82, 2019.
J. Han, J. Pei, and M. Kamber, Data mining: concepts and techniques. Elsevier, 2011.
D. T. Kusuma and N. Agani, “Prototipe Komparasi Model Clustering Menggunakan Metode K-Means Dan FCM untuk Menentukan Strategi Promosi: Study Kasus Sekolah Tinggi Teknik-PLN Jakarta,” J. TICom, vol. 3, no. 3, p. 93460, 2015.
Y. hilda Susanti, “PERBANDINGAN K-MEANS DAN K-MEDOIDS CLUSTERING TERHADAP KELAYAKAN PUSKESMAS DI DIY TAHUN 2015,” 2017.
P. Penyebaran et al., “Analisis algoritma k-medoids clustering dalam pengelompokan penyebaran covid-19 di indonesia,” vol. 4, no. 1, pp. 166–173, 2020.
H. Firdaus and A. Sofro, “Analisa Cluster Menggunakan K-Means Dan Fuzzy C-Means Dalam Pengelompokan Provinsi Menurut Data Intesitas Bencana Alam Di Indonesia Tahun 2017-2021,” MATHunesa J. Ilm. Mat., vol. 10, no. 1, pp. 50–60, 2022, doi: 10.26740/mathunesa.v10n1.p50-60.
D. R. Ningrat, D. A. I. Maruddani, and T. Wuryandari, “Analisis cluster dengan algoritma K-Means dan Fuzzy C-Means clustering untuk pengelompokan data obligasi korporasi,” None, vol. 5, no. 4, pp. 641–650, 2016.
D. Suyanto, “Data Mining untuk klasifikasi dan klasterisasi data,” Bandung Inform. Bandung, 2017.
D. Listiyanti, Y. A. Syahbana, and S. R. Henim, “Perancangan Dan Implementasi Aplikasi Android Penentu Salient Area Pada Video Dengan Algoritma,” in Annual Research Seminar, 2016, vol. 2016, pp. 96–101.
V. A. P. Sangga, “Perbandingan algoritma K-Means dan algoritma K-Medoids dalam pengelompokan komoditas peternakan di provinsi Jawa Tengah tahun 2015,” 2018.
A. F. Khairati, A. A. Adlina, G. F. Hertono, and B. D. Handari, “Kajian Indeks Validitas pada Algoritma K-Means Enhanced dan K-Means MMCA,” in PRISMA, Prosiding Seminar Nasional Matematika, 2019, vol. 2, pp. 161–170.
F. Tempola, M. Muhammad, and A. Mubarak, “Penggunaan Internet Dikalangan Siswa SD di Kota Ternate: Suatu Survey, Penerapan Algoritma Clustering dan Validasi DBI,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 1153–1160, 2020.
S. Butsianto and N. Saepudin, “Penerapan Data Mining Terhadap Minat Siswa Dalam Mata Pelajaran Matematika Dengan Metode K-Means,” J. Nas. Komputasi dan Teknol. Inf., vol. 3, no. 1, pp. 51–59, 2020, doi: 10.32672/jnkti.v3i1.2008.
