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. Undergraduate thesis, Institut Teknologi Sepuluh Nopember Surabaya.
Preview |
Text
5110100227-Undergraduate_Thesis.pdf - Published Version Download (1MB) | Preview |
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 berbedabeda
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 (Undergraduate) |
|---|---|
| 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: | 06 Oct 2020 03:40 |
| URI: | http://repository.its.ac.id/id/eprint/82077 |
Actions (login required)
 |
View Item |