Perbandingan Metode Single Linkage dan Fuzzy C Means Untuk Pengelompokkan Trafik Internet

Abstract

Penelitian dengan judul “Perbandingan metode Single Linkage dan Fuzzy C Means untuk pengelompokkan trafik internet” bertujuan mengetahui klaster pengelompokkan bandwidth internet menggunakan metode Single Linkage dan Fuzzy C Means. Batasan penelitian adalah pengelompokkan dengan metode clustering Single Linkage dan Fuzzy C Means dan akan dibandingkan untuk mengetahui kualitas klaster yang lebih baik menggunakan metode purity. Data yang digunakan adalah data upload, download, dan jumlah login tiap user dari 1 Agustus 2016 s/d 28 Januari 2017. Single Linkage merupakan hierarchi clustering, data dikelompokkan tiap data terdekat sehingga diakhir didapatkan kelompok tertentu. Fuzzy C Means merupakan partitional clustering dimana dari data akan dicari pusat klaster dan data yang lebih dekat ke pusat klaster akan menjadi anggota kelompok tersebut. Kulitas klaster diuji dengan metode Purity, klaster yang mempunyai nilai purity mendekati 1 adalah klaster yang mempunyai kualitas yang lebih baik. Perbandingan dua metode didapatkan metode mana yang menghasilkan kelompok dengan kualitasnya lebih baik dan kecepatan pengelompokkannya yang lebih cepat. Jumlah data uji 50, 100, 150, 200, 250, 300, 350, dan 400. Hasilnya didapatkan Single Linkage mempunyai kualitas klaster lebih baik karena nilai puritynya lebih tinggi. Tetapi kecepatan pengelompokkannya Fuzzy C Means lebih cepat. Kelompok trafik internet yang didapatkan adalah kelompok pengguna internet paling besar 880 user, kelompok sedang 12 user, dan kelompok kecil 2106 user. Dari 8 sampel data uji didapatkan kualitas klaster single linkage lebih baik dibandingkan fuzzy c means, tetapi kecepatan pengelompokkan fuzzy c means lebih cepat dibandingkan single linkage. Semakin lama proses pengelompokkan akan didapatkan kualitas klaster yang lebih baik.

 Kata Kunci: clustering, Fuzzy C Means, Single Linkage, Purity