SISTEM MULTIAGEN UNTUK PENGKLASTERAN PENDAKI MENGGUNAKAN K-MEANS

Maya Cendana, Dr. Azhari S.N., M.T

2014 | Tesis | S2 Ilmu Komputer

Para pendaki pemula sebaiknya melakukan pendakian gunung secara berkelompok, namun sistem pengelompokan yang ada saat ini belum mampu mengklaster para pendaki secara otomatis. Oleh karena itu, sebuah program aplikasi yang mampu mengklaster para pendaki secara otomatis sangat dibutuhkan, terutama bagi para pendaki solo yang tidak memiliki komunitas pendakian. Pengklasteran akan dilakukan dengan algoritma klastering K-means berbasis agen cerdas. Agen-agen yang terlibat adalah agen user, agen basisdata, agen klastering, dan agen validasi. Agen-agen tersebut akan berkolaborasi untuk menentukan klaster terbaik bagi para pendaki sehingga pengklasteran dengan Kmeans dapat dilakukan sekaligus/multithread. Proses pengklasteran akan melalui 2 tahap yaitu tahap pelelangan dan tahap validasi. Agen-agen akan dibangun di atas platform JADE dengan bahasa komunikasi FIPA ACL. Evaluasi dilakukan terhadap 10, 100 dan 200 data pendaki dengan jumlah klaster tententu untuk menghitung nilai kohesi/kepadatan dalam satu klaster dan jarak pisah antar-klaster. Metrik pengukuran yang digunakan adalah WGAD dan BGAD.

The beginner climbers should do mountain climbing as a group, but the current classification system is not capable of automatically clustering hikers. Therefore, an application program that is able to automatically clustering climbers is needed, especially for the solo climber who does not have the climbing community. Clustering will be done with K-means clustering algorithm based on intelligent agents. The agents involved are the user agent, the database agent, clustering agent, and validation agent. The agents will collaborate to determine the best cluster for the climbers to the K-means clustering can be done once / multithread. Clustering process will go through two phases: the auction and validation phase. The agents will be built on top of the JADE platform with communication language FIPA ACL. Evaluation of the 10, 100 and 200 climbers with the data to a particular cluster number to calculate the value of cohesion / density in a cluster and inter-cluster separation distances. Metric measurement used is WGAD and BGAD.

Kata Kunci : K-means, agen cerdas, JADE, FIPA ACL, WGAD, BGAD