PENERAPAN RADIAL BASIS FUNCTION DENGAN IMPROVED K-MEANS UNTUK KLASIFIKASI DATA DETEKSI OKUPANSI (Oleh: M. Arief Hermawan; Pembimbing: Oni Soesanto, S.Si, M.Si dan Irwan Budiman, S.T, M.Kom; 2019; 61 halaman)

            Jaringan Syaraf Tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman. Beberapa penelitian telah menggunakan Jaringan Syaraf Tiruan untuk diterapkan pada masalah klasifikasi data mining. Salah satu metode Jaringan Syaraf Tiruan yang sering digunakan adalah Radial Basis Function. Namun kesulitan pada Radial Basis Function adalah penentuan center yang random atau acak ketika tidak menggunakan metode clustering. Untuk mengatasi kesulitan tersebut digunakan sebuah metode clutering yaitu K-means, namun K-means sendiri juga memiliki kelemahan dalam penentuan titik awal yang masih secara acak. Maka digunakan sebuah metode pengembangan baru yaitu Improved K-means yang bisa menghasilkan titik pusat yang lebih baik dan memiliki tingkat akurasi lebih tinggi dibandingkan dengan K-means tradisional. Pada penelitian ini Radial Basis Function dan Improved K-means digunakan untuk mengklasifikasikan data deteksi okupansi. Deteksi okupansi merupakan pendeteksi keberadaan seseorang dalam suatu ruangan atau bangunan berdasarkan data alat sensor. Parameter yang digunakan pada data deteksi okupansi yaitu suhu, kelembaban, cahaya, karbon dioksida, dan rasio kelembaban. Metode Radial Basis Function dengan Improved K-means digunakan dalam proses klasifikasi data deteksi okupansi menggunakan pembagian data 60% yaitu sebanyak 12336 data untuk data training dan 40% yaitu sebanyak 8224 data untuk data testing menghasilkan nilai keakuratan sebesar 85.1654% terhadap data training dan nilai keakuratan 73.4314% terhadap data testing.

Kata Kunci: Jaringan Syaraf Tiruan, Radial Basis Function, Improved K-means, Deteksi Okupansi