Implementasi Particle Swarm Optimization pada K-Means untuk Clustering Data Automatic Dependent Surveillance-Broadcast
Article Sidebar
Main Article Content
Abstract
Investigasi kecelakaan penerbangan di Indonesia pada tahun 2010 sampai 2016 sebesar 212 investigasi. Hal tersebut dapat dihindari apabila ada sistem penerbangan yang dapat memastikan penerbangan berjalan aman, seperti sistem lalu lintas udara yang dapat mendeteksi apabila pesawat bergerak menuju ke arah yang salah. Penelitian ini bertujuan untuk mengelompokkan rute penerbangan pada data Automatic Dependent Surveillance-Broadcast menggunakan metode clustering untuk mendapatkan similaritas rute penerbangan. Penulis mengusulkan metode particle swarm optimization untuk mengoptimalkan metode k-means, yang berguna untuk menentukan titik centroid awal dengan silhouette coefficient sebagai fitness function. Hasil dari penelitian ini menghasilkan zona terbang berdasarkan kebiasaan sehingga dapat digunakan sebagai panduan penerbangan. Pengujian dilakukan dengan membandingkan nilai Davies-Bouldin index dengan metode k-means, k-medoids dan fuzzy c-means. Pada uji coba yang dilakukan, metode yang diusulkan menjadi kelompok metode terbaik pada lima dari enam segmen yang ada serta menghasilkan nilai Davies-Bouldin index lebih baik pada satu segmen sebesar 0,779.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
Eksplora Informatika membuka seluruh akses konten (Open Access) untuk semua kalangan tanpa terkecuali. Hal ini bertujuan untuk membuat hasil-hasil penelitian yang dipublikasikan di sini dapat diakses secara bebas sehingga mempermudah penyebarannya.
Keseluruhan artikel di jurnal ini diterbitkan dengan lisensi Creative Commons Attribution 4.0 International License. Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan, bahkan untuk kepentingan komersial, selama mereka mencantumkan kredit kepada Anda atas ciptaan asli.
References
H. Wang and R. Wen, "Analysis of Air Traffic Network of China," in 24th Chinese Control and Decision Conference (CCDC), Taiyuan, China, 2012. [link]
J. DeArmon, C. Taylor, T. Masek and C. Wanke, "Air Route Clustering for a Queuing Network Model of the," in 14th AIAA Aviation Technology, Integration, and Operations Conference, Atlanta, GA, 2014. [link]
O. Ossama, H. M. Mokhtar and M. E. El-Sharkawi, "An Extended K-means Technique for Clustering," Egyptian Informatics Journal, vol. 12, no. 1, pp. 45-51, 2011. [link]
M. Y. Pusadan, J. L. Buliali and R. V. H. Ginardi, "Anomaly Detection of Flight Routes through Optimal Waypoint," Journal of Physics: Conference Series, vol. 801, no. 1, 2017. [link]
P. Kaur, "Outlier Detection Using Kmeans and Fuzzy Min Max Neural Network in Network Data," in International Conference on Computational Intelligence and Communication Networks (CICN), Tehri, India, 2016. [link]
Tan, Long, “A Clustering K-means Algorithm Based on Imporved PSO Algorithm”, in International Conference on Communication Systems and Network Technologies, Gwalior, India, 2015. [link]
Dhote, C. A., Anuradha D. Thakare and Shruti M. Chaudhari, “Data Clustering using Particle Swarm Optimization and Bee Algorithm” in International Conference on Computing, Communications and Networking Technologies (ICCCNT), Tiruchengode, India, 2013. [link]
Li, Ting, Peng Ye and Shikai Zheng, “State Grid Office System User Clustering Analysis based on K-means Algorithm”, in IEEE 3rd International Conference on Big Data Analysis (ICBDA), Shanghai, China, 2018. [link]
Karo, Karo Ichwanul Muslim, Kiki Maulana Adhigraha, Arief Fatchul Huda, “A Cluster Validity for Spatial Clustering Based on Davies-Bouldin Index and Polygon Disiimilarity Function”, International Conference on Informatics and Computing (ICIC), Jayapura, Indonesia, 2017. [link]