ANALISIS PERBANDINGAN METODE K-MEANS DAN FUZZY CMEANS PADA DATA RASIO GINI DI SUMATERA UTARA

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.