PENGEMBANGAN ALGORITMA SEMUT DENGAN MENGGUNAKAN KONSEP GLOBAL DESTRABILITY DAN GLOBAL FREQUENCY UNTUK PENGELOMPOKAN DATA PENGEMBANGAN ATGORITMA SEMUT DENGAN MENGGUNAKAN KONSEP GLOBAL DESTRABILITY DAN GLOBAL FREQUENCY UNTUK PENGELOMPOKAN DATA

Abstract

Dalam penelitian ini dilakukan analisis penggunaan algoritma semut dalam domain data mining untuk pengelompokan data. Algoritma yang digunakan didasarkan modifikasi dan perbaikan terhadap beberapa algoritma semut yang pernah dikembangkan oleh para peneliti sebelumnya. Algoritma semut yang disesain dipengaruhi oleh empat parameter utama, yaitu ant desirability, ant frequency, pengatur informasi heuristic α dan pengatur nilai konsentrasi pheromone β. Hasil analisis penggunaan algoritma semut dalam domain data mining ini menunjukkan bahwa kompleksitas waktu terburuk dari algoritma adalah O(mn) dengan m dan n berturut turut menyatakan jumlah atribut dan jumlah record dari data. Perangkat lunak yang telah berhasil didesain dan diimplementasikan dalam lingkungan system operasi windows telah di uji coba dengan menggunakan berbagai konfigurasi nilai parameter yang mempengaruhi hasil pengelompokan. Hasil uji coba menunjukkan prosentase jumlah aturan yang dikelompokkan dengan benar berkisar antara 93,48% - 97,00%, dikelompokkan salah berkisar antara 3,00% - 6,52% dan tidak dapat dikelompokkan 0%.