PERBANDINGAN ALGORITMA K-MEANS DAN IMPROVED K-MEANS UNTUK KLASIFIKASI PERMUKIMAN KUMUH (STUDI KASUS : WILAYAH KAB.TABALONG KALSEL) (Oleh: Riyan Hadinata; Pembimbing: Fatma Indriani, S.T, M.IT dan Dwi Kartini, S.Kom, M.Kom; 2019; 60 halaman)

            Pemukiman kumuh merupakan masalah yang dihadapi oleh hampir semua kota- kota besar di Indonesia bahkan kota-kota besar di negara berkembang lainnya. pengkajian tentang permukiman kumuh (slum), pada umumnya mencakup tiga segi, pertama kondisi fisiknya, kedua kondisi sosial ekonomi budaya komunitas yang bermukim di pemukiman tersebut, dan ketiga dampak oleh kedua kondisi tersebut. pada penelitian ini akan melakukan perbandingan algoritma K-Means dan Improved K-Means untuk mengklasifikasikan permukiman kumuh. Pada tahapan awal dilakukan dengan menentukan nilai center awal pada masing-masing algoritma agar mendapatkan nilai center optimal untuk dilakukan pengujian data, hasil pengujian data berupa nilai akurasi yang dihasilkan kedua algoritma. Untuk algoritma K-Means dengan 4 sampel pembagian data yang berbeda dilakukan perhitungan terhadap nilai titik pusat random sebanyak 10 kali dan tingkat akurasi tertinggi didapatkan pada pembagian 50 data training dan 30 data testing yang menghasilkan rata-rata nilai akurasi sebesar 80% pada data testing dengan jumlah iterasi rata-rata 3, Sedangkan untuk algoritma Improved K-Means dengan 4 sampel pembagian data yang berbeda dan tingkat akurasi tertinggi didapatkan pada pembagian 150 data training dan 80 data testing yang menghasilkan nilai akurasi sebesar 75% dengan jumlah iterasi 6. Dari hasil perbandingan pembagian data tersebut dapat dilihat bahwa pembagian data dengan data training dua kali lebih banyak dari data testing akan mendapatkan nilai akurasi yang lebih tinggi. Dengan demikian pada penelitian ini berdasarkan perbedaan nilai akurasi yang dihasilkan, algoritma K-Means lebih baik dari algoritma Improved K-Means dalam melakukan klasifikasi data.

Kata Kunci: Permukiman kumuh, K-Means, Improved K-Means