IMPLEMENTATION OF DYNAMIC CLUSTER USING K-MEANS CLUSTER AND PARTICLE SWARM OPTIMIZATION FOR TRAFFIC CHARACTERISTICS IDENTIFICATION CHARACTERISTICS BASED ON THE NUMBER AND THE KIND OF VEHICLES

Jalan raya merupakan fasilitas umum yang paling sering digunakan oleh masyarakat dalam kehidupan sehari-hari. Hal tersebut disebabkan karena jalan raya berfungsi untuk menghubungkan antar satu tempat dengan tempat lainnya. Setiap jalan raya memiliki lebar dan pembagian jalur yang berbedabeda disesuaikan dengan jumlah pengguna yang melintas. Meski terdapat algoritma pengelompokkan K-Means Cluster namun K-means Cluster saja tidak cukup untuk melakukan pengelompokkan jalan raya karena K-means membutuhkan jumlah cluster yang pasti. maka dari itu dikembangkan suatu metode Dynamic Cluster dengan menggunakan K-Means dan Particle Swarm Optimization PSO untuk mencari jumlah Cluster optimal. Algoritma PSO digunakan untuk mencari Jumlah Cluster yang optimal sementara K-Means digunakan untuk menghitung hasil Cluster terbaik. Uji coba dilakukan dengan menggunakan uji parameter dan uji skenario berdasarkan jenis kendaraan. Uji parameter dimaksudkan untuk mencari nilai optimal ambang batas dan konstanta dari dari algoritma PSO. Uji skenario berdasarkan jenis kendaraan dibagi menjadi dua yakni motor dan mobil di dalam rentang waktu tertentu. Hasil dariuji coba yang dilakukan adalah setiap Cluster yang terbentuk di dalam subskenario memiliki anggota yang selalu berubah-ubah berdasarkan kedekatan selisi jumlah kendaraan.


ABSTRACT

The Roadways are the most of public facilities is used by people in their activities. It is because the roadways function that connect one place to another places. Every roadway has its own capacity and the differences of compartmentation based on its vehicles. Although K-Means Cluster can be used for grouping method but it doesnt enough for this problem because it needs a spesific number of Clusters. This final pfoject implements new method in Dynamic Cluster using K-Means an d Particle Swarm Optimization for optimal solution in Cluster problem. Particle Swarm Optimizations algorithm is used to find the number of Clusters with which the K-Means is used to find the best Cluster result. Experimental evaluation is done by testing the parameter values in Particle Swarm Optimization and some scenarios problem about the condition of roadways. Experimental is divided based on the two kind of vehicles motorcyle and car in some ranges of the time. The result of Experimental that have been done is in every Cluster in the subscenario has the different member of roadways that depends of the time.

1.  ITS-paper-40966-ITS-paper-40966-5110100227-paper.pdf - 516 KB
2.  ITS-paper-40966-ITS-paper-40966-5110100227-presentation.pdf - 465 KB

• PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK PENGELOMPOKAN EMAIL SECARA OTOMATIS MEMAKAI KLASIFIKASI SINGLE PASS CLUSTERING BERBASIS KERANGKA KERJA PLAY!
• PERANCANGAN DAN PEMBUATAN PERANGKAT LUNAK PENGELOMPOKAN EMAIL SECARA OTOMATIS MEMAKAI KLASIFIKASI SINGLE PASS CLUSTERING BERBASIS KERANGKA KERJA PLAY!
• RANCANG BANGUN PERANGKAT LUNAK PERMAINAN ACAK KATA DENGAN METODE BACKTRACKING DAN METODE STEMMING PORTER PADA ANDROID
• RANCANG BANGUN PERANGKAT LUNAK PERMAINAN ACAK KATA DENGAN METODE BACKTRACKING DAN METODE STEMMING PORTER PADA ANDROID
• PENGELOMPOKAN POLRES DI PROVINSI JAWA TIMUR BERDASARKAN PENYEBAB KECELAKAAN LALU LINTAS PADA TAHUN 2013