ANALISIS CLUSTER OTOMATIS MENGGUNAKAN ALGORITMA NOVEL MODIFIED DIFFERENTIAL EVOLUTION
Achmad Yasid, Budi Dwi Satoto · 2014
Analisis cluster merupakan salah satu permasalahan pembelajaran tidak terbimbing dan teknik data mining yang penting. Akan tetapi, untuk menentukan jumlah cluster akhir merupakan suatu tugas yang menantang. Oleh karena itu, penelitian ini bermaksud mengusulkan algoritma novel modified differential evolution (NMDE) dan algoritma k-means (NMDE-k-means) pada analisis cluster otomatis. Algoritma ini dapat menentukan jumlah cluster akhir dan melakukan pengelompokan data secara otomatis. Pada prinsipnya Algoritma NMDE akan melakukan pencarian global untuk menemukan jumlah cluster dan partisi data, sedangkan algoritma k-means akan memperbaiki kinerja algoritma NMDE dalam menentukan centroid cluster. Empat data set yang sudah dikenal yaitu Iris, Wine, Glass dan Vowel digunakan untuk memvalidasi algoritma ini. Hasil komputasi menunjukkan bahwa algoritma ini lebih baik dibandingkan dengan empat algoritma cluster otomatis lainnya yaitu improved automatic clustering based differential evolution (ACDE), automatic clustering using differential evolutionandk-means (ACDE-k-means) dan algoritma cluster otomatis yang berbasis particle swarm optimization (PSO) serta genetic algorithm (GA)