PENERAPAN METODE ST-DBSCAN MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION PADA KLASTERISASI IPLM PROVINSI DI INDONESIA
Isi Artikel Utama
Abstrak
Penelitian ini mengusulkan sebuah pendekatan yang menggunakan algoritma Particle Swarm
Optimization (PSO) untuk mengoptimalkan nilai parameter dari metode Spatio Temporal Densi-
ty Based Spatial Clustering of Application with Noise (ST-DBSCAN) pada Klasterisasi Provin-
si di Indonesia berdasarkan faktor yang mempengaruhi Indeks Pembangunan Literasi Masyara-
kat (IPLM). Data yang digunakan meliputi 7 Variabel dengan 68 Observasi. Penggunaan algo-
ritma PSO menghasilkan nilai parameter yang optimal berdasarkan nilai Silhouette Coefficient
(0.104994), parameter-parameter tersebut antara lain epsilon 1 sebesar 2.73, epsilon sebesar 2, dan
MinPts sebesar 5. evaluasi Silhouette Coefficient menunjukkan bahwa PSO-ST-DBSCAN mampu
mengklaster wilayah ke dalam 4 cluster utama dan satu cluster noise, dimana cluster 0 sebanyak
13 Provinsi, cluster 1 sebanyak 3 Provinsi, cluster 2 sebanyak 4 Provinsi, cluster 3 sebanyak 3
Provinsi, dan cluster noise sebanyak 11 Provinsi.
Rincian Artikel

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.