Implementasi Pengembangan K-Means Clustering dengan Algoritma Firefly yang Dikembangkan

Abstract

Clustering adalah salah satu cara dalam melakukan data mining dengan melakukan pengelompokan data berdasarkan kemiripan data tanpa mengetahui label dari data tersebut. Salah satu metode untuk melakukan Clustering adalah metode K-Means. K-Means sendiri menurut Xie Hailun (2019) memiliki masalah dalam perangkap global optimum, sehingga diberikanlah solusi menggunakan algoritma Firefly yang dikembangkan dengan sebutan Inward Intensified Exploration Firefly Algorithm (IIEFA) dimana pada algoritma tersebut angka keatraktifan diganti dengan matriks kontrol berupa bilangan yang terdiri atas 0 dan 1. Penelitian ini mengimplementasikan Clustering menggunakan IIEFA di mana sebuah dataset pada data pemakaian kartu kredit selama enam bulan. Data yang diklusterkan adalah pembayaran dan pembayaran minimum pada kartu kredit. Setelah melakukan implementasi, terbentuk tiga kluster dengan jumlah kumpulan data yang berbeda di mana untuk kluster data pertama terdapat 1 data, kluster data kedua terdapat 8.481 data, dan kluster data ketiga terdapat 156 data.