Implementasi Dynamic Cluster Menggunakan Metode K-Means Cluster Dan Particle Swarm Optimization Untuk Identifkasi Karakteristik Lalu Lintas Berdasarkan Jumlah Dan Jenis Kendaraan

Mukhtar, Tsabbit Aqdami (2014) Implementasi Dynamic Cluster Menggunakan Metode K-Means Cluster Dan Particle Swarm Optimization Untuk Identifkasi Karakteristik Lalu Lintas Berdasarkan Jumlah Dan Jenis Kendaraan. UNSPECIFIED thesis, Institut Teknologi Sepuluh Nopember Surabaya.

Text 5110100227-Undergraduate_Thesis.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Jalan raya merupakan fasilitas umum yang paling sering
digunakan oleh masyarakat dalam kehidupan sehari-hari. Hal
tersebut disebabkan karena jalan raya berfungsi untuk
menghubungkan antar satu tempat dengan tempat lainnya. Setiap jalan raya memiliki lebar dan pembagian jalur yang berbeda-beda disesuaikan dengan jumlah pengguna yang
melintas.Meski terdapat algoritma pengelompokkan K-Means
Cluster, namun K-means Cluster saja tidak cukup untuk
melakukan pengelompokkan jalan raya karena K-means
membutuhkan jumlah cluster yang pasti. maka dari itu,
dikembangkan suatu metode Dynamic Cluster dengan
menggunakan K-Means dan Particle Swarm Optimization (PSO)
untuk mencari jumlah Cluster optimal. Algoritma PSO digunakan untuk mencari Jumlah Cluster yang optimal sementara K-Means digunakan untuk menghitung hasil Cluster terbaik. Uji coba dilakukan dengan menggunakan uji parameter
dan uji skenario berdasarkan jenis kendaraan. Uji parameter
dimaksudkan untuk mencari nilai optimal ambang batas dan
konstanta dari dari algoritma PSO. Uji skenario berdasarkan
jenis kendaraan dibagi menjadi dua yakni motor dan mobil di
dalam rentang waktu tertentu. Hasil dariuji coba yang dilakukan adalah setiap Cluster yang terbentuk di dalam subskenario memiliki anggota yang selalu berubah-ubah berdasarkan kedekatan selisi jumlah kendaraan
======================================================================================================================================
The Roadways are the most of public facilities is used by
people in their activities. It is because the roadway's function that connect one place to another places. Every roadway has its own capacity and the differences of compartmentation based on its vehicles. Although K-Means Cluster can be used for grouping method, but it doesn't enough for this problem because it needs a spesific number of Clusters. This final pfoject implements new
method in Dynamic Cluster using K-Means an d Particle Swarm
Optimization for optimal solution in Cluster problem. Particle Swarm Optimization's algorithm is used to find the number of Clusters with which the K-Means is used to find the best Cluster result. Experimental evaluation is done by testing the parameter values in Particle Swarm Optimization and some scenarios problem about the condition of roadways. Experimental is divided based on the two kind of vehicles, motorcyle and car in some ranges of the time. The result of Experimental that have been done is in every Cluster in the subscenario has the different member of roadways that depends of the time.

Item Type:	Thesis (UNSPECIFIED)
Additional Information:	RSIf 005.74 Muk i
Uncontrolled Keywords:	K-Means Cluster, Dynamic Cluster, Particle Swarm Optimization.
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	EKO BUDI RAHARJO
Date Deposited:	06 Oct 2020 03:40
Last Modified:	10 Sep 2025 07:33
URI:	http://repository.its.ac.id/id/eprint/82077

Actions (login required)

View Item