STUDI KOMPARATIF ALGORITMA K-MEANS CLUSTERING DAN FUZZY C- MEANS PADA MULTIVARIATE FUZZY TIME SERIES

Penulis

  • Tri Setya Darmawan Institut Teknologi Bisnis dan Kesehatan Bhakti Putra Bangsa Indonesia
  • Ummu Wachidatul Latifah Institut Teknologi Bisnis dan Kesehatan Bhakti Putra Bangsa Indonesia
  • Yuning Tyas A’aliyah Sari Institut Teknologi Bisnis dan Kesehatan Bhakti Putra Bangsa Indonesia

Kata Kunci:

K-Means,, Fuzzy C-Means, Multivariate, Time Series, Clustering

Abstrak

Prediksi merupakan suatu hal yang penting untuk mengetahui suatu langkah yang dapat
dilakukan di masa yang akan datang. Prediksi deret waktu yang sering digunakan, yaitu
Fuzzy Time Series. Model Fuzzy Time Series dapat digunakan untuk meramalkan satu
faktor, sedangkan prediksi yang dipengaruhi oleh beberapa faktor dapat menggunakan
Multivariate Fuzzy Time Series. Prediksi dengan banyak faktor dapat mempengaruhi beban
komputasi dan hasil akurasi prediksi yang diperoleh. Tujuan penelitian ini, yaitu
membandingkan algoritma K-Means Clustering dan Fuzzy C-Means. Hasil perbandingan
algoritma clustering dimodelkan dengan Multivariate Fuzzy Time Series. Hasil penelitian
menunjukan bahwa berdasarkan evaluasi hasil cluster menunjukan bahwa algoritma Fuzzy
C-Means lebih baik dari algoritma K-Means. Berdasarkan nilai akurasi model Multivariate
Fuzzy Time Series tergolong sangat akurat. Nilai MAPE dan RMSE yang diperoleh sebesar
0.4797% dan0.84666.

Unduhan

Diterbitkan

06/01/2024

Terbitan

Vol 1 No 01 (2024): JURNAL SCIENCE INFORMATICS JOURNAL

Bagian

Artikel

Artikel paling banyak dibaca berdasarkan penulis yang sama