Algoritme Genetika Untuk Optimasi K-Means Clustering Dalam Pengelompokan Data Tsunami

Abstrak

Tsunami adalah salah satu bencana alam yang paling mematikan yang menyebabkan kerusakan harta benda dan hilangnya nyawa. Tsunami sering terjadi secara tiba-tiba dan tidak dapat diprediksi. Kurangnya pengetahuan yang tepat mengakibatkan kerusakan yang besar dan memperburuk dampak dari tsunami. Pada penelitian ini mengimplementasikan optimasi Algoritme Genetika pada metode K-Means untuk pengelompokan data tsunami.  Dengan mengoptimasi pusat cluster awal yang nantinya akan digunakan sebagai masukan untuk metode K-Means. Metode ini menghasilkan kinerja yang lebih optimal dibandingkan dengan metode K-Means konvensional karena titik pusat dioptimalkan dengan Algoritme Genetika. Hal ini dibuktikan  dalam penelitian ini di mana nilai fitness didapatkan dari nilai Silhouette Coefficient untuk melihat seberapa cocok data dengan cluster. Representasi kromosom yang digunakan pada penelitian ini adalah real code untuk menginisialisasi nilai centroid. Metode crossover yang digunakan yaitu extended intermediate crossover. Metode mutasi yang digunakan yaitu random mutation. Sedangkan metode seleksi yang digunakan yaitu elitism selection. Berdasarkan hasil pengujian yang telah dilakukan, diperoleh parameter yang paling optimal yaitu pada populasi 50, generasi 70, serta kombinasi Cr = 0.9 dan Mr = 0.1 dengan fitness sebesar 0.995934.