Perbandingan Algoritma K-Means dan SFCM Pada Pengelompokkan Rumah Tangga Miskin

Abstract

Secara definisi rumah tangga miskin dan penduduk miskin memiliki sudut pandang yang berbeda, dimana definisi rumah tangga miskin akan lebih ditekankan kepada individu yang akan dijadikan survey dalam menentukan penduduk miskin sedangkan penduduk miskin lebih kepada kumpulan dari beberapa rumah tangga miskin. Penelitian ini dilakukan untuk membandingkan antara algoritma K-Means dan Fuzzy Substractive Clustering (SFCM) dalam mengelompokkan rumah tangga miskin. Kedua algoritma ini akan dibandingkan berdasarkan simpangan baku dan validitas hasil pengelompokkan yang dihasilkan. Berdasarkan 6 pengujian yang telah dilakukan, maka didapatkan hasil bahwa dari sisi waktu algoritma K-Means mampu mengelompokkan lebih cepat bila dibandingkan dengan algoritma SFCM, namun dari sisi simpangan baku kelompok, simpangan baku antar kelompok, maupun akurasi maka algoritma SFCM memiliki performa yang lebih baik bila dibandingkan dengan algoritma K-Means