Optimasi Kernel K-Means dalam Pengelompokan Kabupaten/Kota Berdasarkan Indeks Pembangunan Manusia di Indonesia

Kasiful Aprianto

Abstract


Kernel k-means (KKC) bekerja dengan mengubah data dari initial space ke dalam featured space dan k-means dijalankan menggunakan data featured space tersebut. Permasalahan utama dari KKC adalah inisialisasi centroid dimana posisi centroid sangat mempengaruhi hasil dari pengelompokan itu sendiri. Paper ini menjelaskan peran optimasi dalam pencarian titik centroid yang tepat untuk menemukan hasil yang baik dan stabil. Particle swarm optimization (PSO) dipilih karena mudah untuk diimplementasikan. Principal Component Analysis (PCA) digunakan untuk mereduksi dimensi tanpa mengurangi karakteristik data secara signifikan. Kemampuan PCA inilah yang kemudian digunakan untuk meningkatkan akurasi dari clustering. Keuntungan dari KKC-PSO dengan PCA adalah menemukan centroid yang tepat dengan waktu pencarian yang lebih singkat. Hasil percobaan menunjukkan bahwa KKC-PSO dengan PCA memberikan hasil yang optimal dilihat dari akumulasi within sum square yang kecil, dan juga stabil dilihat dari hasil perulangan yang selalu berhasil mendapatkan nilai optimal. Selanjutnya, algoritma ini digunakan untuk melihat pengelompokan kabupaten/kota di Indonesia berdasarkan indikator indeks pembangunan manusia (IPM) menggunakan data yang bersumber dari Badan Pusat Statistik. Kabupaten atau kota dapat dibagi menjadi 3 kelompok berdasarkan variabel IPM, yaitu kelompok dengan IPM yang rendah (kelompok 2), sedang (kelompok 3), dan tinggi (kelompok 1). Dari penelitian ini terlihat bahwa masih terdapat perbedaan IPM antar kabupaten, dimana perbedaan IPM ini cenderung terkelompok dan berdekatan antara satu dengan yang lainnya.

Keywords


kernel k-means; optimasi; particle swarm optimization; principal component analysis; Gaussian

Full Text:

PDF

References


M. P. Cosmin, C. M. Marian and M. Mihai, "An optimized version of the K-means clustering algorithm", Proceedings of the 2014 Federated Conference on Computer Science and Information Systems, vol. 5, no. 2, (2014), pp. 695-699

N. Chen, and H. Zhang, "An Optimizing Algorithm of Non-Linear K-Means Clustering", International Journal of Database Theory and Application, vol. 9, No.4 (2016), pp.97-108

F. T. Grigorios and C. L. Aristidis, "The Global Kernel k-Means Algorithm for Clustering in Feature Space", IEEE Transactions on Neural Networks, vol. 20, No. 7, (2009), pp. 1181-1194

G. Armano and M. R. Farmani, "Multiobjective clustering analysis using particle swarm optimization," Expert Syst. Appl., vol. 55, pp. 184–193, 2016.

W. Ida, A. A. Yudha, R. Asyrofa, F. M. Wayan, "Klastering Nasabah Bank Berdasarkan Tingkat Likuiditas Menggunakan Hybrid Particle Swarm Optimization dengan K-Means", Jurnal Ilmiah Teknologi dan Informasi ASIA (JITIKA), vol. 10, No. 2, (2016)

Ding. C, He. X, "K-means Clustering via Principal Component Analysis", ICML '04 Proceedings of the twenty-first international conference on Machine learning, page 29

Setiyono. B, Mukhlas. I, "Kajian Algoritma GDBScan, Clarans dan Cure untuk Spatial Clustering", LIMITS - Journal of Mathematics and its Applications, Vol. 2, No. 2, (2005), pp. 117-129

Bin Jiang, "Spatial Clustering for Mining Knowledge in Support of Generalization Process in GIS ICA", Workshop of Geographic Infoemation Science, 2004

Rosita. A, Purnanto. Y, Soelaiman. R, "Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear", Jurnal Teknik ITS Vol. 1, (Sept, 2012)

Eka. P. L and Paidi. H, "Analisis Pertumbuhan Ekonomi dan Indeks Pembangunan Manusia (IPM) Provinsi-provinsi di Indonesia (Metode Kointegrasi)", Jurnal Ekonomi dan Pembangunan, Fakultas Ekonomi, Universitas Sumatera Utara, vol 3, No. 7, (2015)

Setiawan. M. B, Hakim. A, "Indeks Pembangunan Manusia Indonesia", Jurnal Economia - Kajian Ilmiah Ekonomi dan Bisnis, Vol 9 No 1 (2013)

Badan Pusat Statistik, 2014, "Indeks Peembangunan Manusia 2014 - Metode Baru", Jakarta: Badan Pusat Statistik.




DOI: http://dx.doi.org/10.12962/limits.v15i1.3408

Refbacks

  • »
  • »
  • »
  • »
  • »
  • »
  • »
  • »


Jumlah Kunjungan:

Creative Commons License
Limits: Journal Mathematics and its Aplications by Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/limits.