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

Abstrak

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 algoritme FCM. Dari hasil pengujian, disimpulkan bahwa algoritme FCM lebih unggul dibandingkan K-Means.