Optimasi Clustering K-Means Menggunakan Algoritma Genetika Dengan Data View Dan Like Di Tiktok
DOI:
https://doi.org/10.26623/y2tedy77Keywords:
Clustering, K-Means, Algoritma Genetika, Davis Boulden IndexAbstract
K-Means merupakan algoritma yang sering digunakan untuk melakukan pengelompokkan atau sering juga disebut clustering. Dengan menentukan pusat centroid awal secara random pada algoritma K-Means akan ditingkatkan performanya menggunakan Algoritma Genetika (GA). Menggunakan data set publik di Kaglle, berupa data set tiktok dimana jumlah view dan like dengan record data sebanyak 19.084 setelah dilakukan pembersih data. Yang akan diuji dengan melakukan performa clustering K-Means dengan Algoritma Genetika. Dan untuk validitas nya nanti menggunakan Davis Boulden Index, dimana hasil validitas DBI ini nanti akan meningkatkan performance K-Means dengan menambahkan Algoritma Genetika. Dengan pengujian K-Means dengan jumlah k=3, k=4 dan k=5 menghasilkan masing-masing validitas DBI 0,64 ; 0,79 dan 0,72. Sedangkan untuk algoritma K-Means dengan peningkatan performa menggunakan GA didapatkan validitas dengan masing-masing DBI sebagai berikut 0,45 ; 0,40 dan 0,60. Dengan hasil penelitian menghasilkan bahwa peningkatan performa K-Means dengan menggunakan GA memberikan hasil validitas lebih kecil dari pada hanya menggunakan perhitungan KMeans saja.References
G. Guntoro Setiaji and V. Vydia, “KOMPARASI METODE CLUSTERING K-MEANS DAN FUZZY C-MEANS UNTUK MEMPREDEKSI KETEPATAN WAKTU LULUS,” May 2019. [Online]. Available: http://journals.usm.ac.id/index.php/jprt/index
G. Guntoro Setiaji, A. Novita Putri, and D. Anggit Wicaksana, “Perbandingan Algoritma K-Meandan K-Medoids Untuk Clustering Harga Beras di Provinsi Jawa Tengah,” Transformatika, vol. 22no. 1, pp. 39–45, 2024, doi: 10.26623/transformatika.v.
A. Fauzi Sistem Informasi, F. H. Universitas Buana Perjuangan Karawang Jl Ronggowaluyo, T. Timur, and K. priati, Data Mining dengan Teknik Clustering Menggunakan Algoritma K-Means
pada Data Transaksi Superstore. Seminar Nasional Informatika dan Aplikasinya (SNIA), 2017. [Online]. Available: http://community.tableau.com.
S. F. Pane, R. Maulana Awangga, E. V. Rahcmadani, and S. Permana, “IMPLEMENTASI ALGORITMA GENETIKA UNTUK OPTIMALISASI PELAYANAN KEPENDUDUKAN,” Jurnal Tekno Insentif, vol. 13, no. 2, pp. 36–43, Oct. 2019, doi: 10.36787/jti.v13i2.130.
A. Rifa’i, G. Guntoro Setiaji, and V. Vydia, “PENGGUNAAN METODE K-MEANS PADA ANALISA DAN KLASIFIKASI CAPRES 2019 DI TWITTER,” Pengembangan Rekayasa dan Teknologi, vol. 15, no. 1, pp. 43–47, 2019, [Online]. Available: http://journals.usm.ac.id/index.php/jprt/index
S. Mauluddin, I. Ikbal, and A. Nursikuwagus, “Optimasi Aplikasi Penjadwalan Kuliah Menggunakan Algoritma Genetik,” JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 2, no. 3, pp. 792–799, 2018, [Online]. Available: http://jurnal.iaii.or.id
M. Riziq sirfatullah Alfarizi, M. Zidan Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING,” 2023.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Jurnal Transformatika
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
Transformatika is licensed under a Creative Commons Attribution 4.0 International License.
