Abstract:
Algoritma K-Means dan Fuzzy C-Means adalah dua algoritma yang cukup populer
dikalangan peneliti karena performanya yang baik dalam mengklasterkan
kumpulan data. Baik K-Means maupun Fuzzy C-Means, keduanya cukup baik
untuk menampilkan pola-pola tertentu yang terkandung didalam DataSet yang
dimiliki. Namun, perlu dicari tahu lebih jauh metode manakah yang paling efektif
untuk mengklasterkan kumpulan data. Dalam riset ini, peneliti membandingkan
kedua algoritma melalui aspek efisiensi waktu, keakuratan data, dan nilai Dunn
Index. Peneliti akan melakukan pengujian kepada kedua metode tersebut dengan
menggunakan data uji berupa penyusun rasio GINI yakni pengeluaran makanan dan
non-makanan di kalangan masyarakat kabupaten/kota yaitu kota Medan, kota
Binjai, dan Kabupaten Deli Serdang yang peneliti peroleh datanya melalui
penyebaran kuesioner. Dalam mengimplementasikan algoritma untuk keperluan
pengujian, peneliti memanfaatkan bahasa pemprograman VB.NET sebagai sarana
pengembangan sistem. Berdasarkan analisis yang telah peneliti peroleh, didapati
kesimpulan bahwa K-Means lebih unggul daripada Fuzzy C-Means baik dari aspek
efisiensi waktu, serta nilai Dunn Indeks. Sedangkan pada aspek keakuratan data, KMeans dan Fuzzy C-Means imbang dalam merepresentasikan data yang sesuai
dengan kondisi lapangan yang terjadi apabila dibandingkan dengan tingkat rasio
GINI yang dipublikasikan oleh BPS.
