Implementasi metode probabilistic distance clustering (pdc) untuk klasifikasi pintu kayu jati

Oleh :
Deska Muhammad Faisal - M0509019 - Fak. MIPA

Suatu industri kayu jati yang mengolah kayu jati menjadi beberapa produk mebel mempunyai 120 produk jenis pintu. Perbedaan jenis pintu tergantung bahan baku kayu jati yang digunakan dan waktu pengerjaan pintu. Banyaknya jenis pintu membutuhkan pengklasifikasian pintu-pintu untuk mempermudah dalam pengelolaan pintu. Kriteria yang digunakan untuk klasifikasi pintu adalah biaya bahan baku dan waktu pengerjaan pintu. Proses klasifikasi dapat dilakukan dengan teknik clustering menggunakan metode Probabilistic Distance Clustering (PDC). Dalam PDC langkah awal yang dilakukan adalah menentukan pusat cluster awal dan jumlah cluster terlebih dahulu. Pada penelitian ini dipaparkan perbandingan hasil proses clustering antar praprocessing clustering dalam metode PDC untuk mengklasifikasikan pintu kayu jati. Praprocessing clustering adalah teknik pengambilan pusat cluster awal dengan simple random atau stratified random, serta proses penyederhanaan data clustering yaitu data dinormalisasi atau data disederhanakan ke ratusan ribuan (tanpa normalisasi). Ada 4 (empat) praprocessing clustering yaitu pengambilan pusat cluster awal simple random dengan data dinormalisasi (simple random– normalisasi), simple random-tanpa normalisasi, stratified random-normalisasi, stratified random-tanpa normalisasi. Untuk mengetahui jumlah cluster optimal digunakan persamaan Pseudo-F. Jumlah cluster yang optimal adalah yang mempunyai nilai Pseudo-F terbesar dan menghasilkan hasil clustering yang efektif. Hasil penelitian menunjukkan bahwa stratified random-tanpa normalisasi menghasilkan rata-rata jumlah iterasi sedikit, rata-rata nilai e (toleransi error) kecil, rata-rata waktu proses clustering cepat, dan rata-rata JDF (Joint Distance Function) rendah sehingga lebih efektif dibandingkan preprocessing clustering lain. Jumlah cluster yang optimal adalah 4 cluster karena mempunyai nilai Pseudo-F tinggi dan menghasilkan rata-rata jumlah iterasi sedikit yaitu 23,75, menghasilkan rata-rata nilai e kecil yaitu 0,08 dan membutuhkan rata-rata waktu proses clustering cepat yaitu 0,969 detik dan tidak menghasilkan jumlah iterasi di atas 100 iterasi. Kata Kunci: normalisasi, probabilistic distance clustering, pseudo-f, simple random, stratified random.