Penentuan Jumlah Cluster Optimum pada Segmen Rute Penerbangan Menggunakan Data Automatic Dependent Surveillance–Broadcast

Prayogo, Reza (2019) Penentuan Jumlah Cluster Optimum pada Segmen Rute Penerbangan Menggunakan Data Automatic Dependent Surveillance–Broadcast. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5116201009-Master_Thesis.pdf

Download (2MB) | Preview

Abstract

Dalam setiap rute penerbangan dibutuhkan beberapa titik lokasi tertentu agar Air Traffic Control dapat memantau pergerakan pesawat. Dimana dalam dunia penerbangan, titik-titik tersebut disebut waypoint. Pada penelitian ini penulis melakukan segmentasi untuk membagi suatu rute penerbangan menjadi beberapa area segmen berdasarkan waypoint yang sudah ditentukan sebelumnya oleh Air Navigation Indonesia. Pada tiap area segmen dilakukan analisis kebiasaan lokasi mana saja yang sudah biasa dilalui oleh pesawat menggunakan pendekatan clustering. Dalam penelitian ini penulis menggunakan algoritma clustering K-means dengan jumlah cluster yang sudah ditentukan dan validasi pengelompokan internal Silhouette Index. Optimasi centroid juga dilakukan dengan mengimplementasikan algoritma Antlion Optimizer untuk kemudian diuji nilai performansinya sehingga pada akhirnya jumlah cluster dengan nilai validitas cluster terbaik adalah jumlah cluster yang optimum pada tiap segmen area penerbangan. Pengujian dilakukan dengan membandingkan nilai silhouette index untuk setiap percobaan jumlah cluster terhadap kedua metode yaitu K-means dan K-means - ALO. Pada uji coba yang dilakukan, metode optimasi yang diusulkan menghasilkan nilai silhouette index yang lebih baik pada tiga segmen akan tetapi signifikan di semua segmen. ================================================================================================ Each flight route takes several specific location points for Air Traffic Control to monitor the movement of the aircraft that are called waypoints. In this study the authors do a segmentation to divide a flight route into several segment areas based on waypoints that have been determined previously by Air Navigation Indonesia. In each segmented area, an analysis of the location habits that have been used by the aircraft using the clustering approach is analyzed .In this study the author uses the K-means clustering algorithm with a predetermined number of clusters. Centroid optimization is also done by implementing the Antlion Optimizer algorithm to test the performance values. So the number of clusters with the best performance value is the optimum number of clusters in each segment of the flight area. Testing is done by comparing the silhouette index value for each trial number of clusters against both methods, namely K-means and K-means - ALO. In the trial, the proposed optimization method produces a better silhouette index value in three segments but is significant in all segments.

Item Type: Thesis (Masters)
Additional Information: RTIf 004.35 Pra p-1 2019
Uncontrolled Keywords: Segmen Penerbangan, K-means, Antlion Optimizer, Kinerja dan Validitas Cluster
Subjects: H Social Sciences > HE Transportation and Communications > HE336.R68 Route choice
Q Science > QA Mathematics > QA402.6 Transportation problems (Programming)
T Technology > T Technology (General) > T57.62 Simulation
T Technology > T Technology (General) > T58.62 Decision support systems
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User: Reza Prasetya Prayogo
Date Deposited: 07 Apr 2022 06:37
Last Modified: 07 Apr 2022 06:37
URI: https://repository.its.ac.id/id/eprint/62265

Actions (login required)

View Item View Item