Sistem Multiagen untuk Pengklasteran Pendaki Menggunakan K-Means

Abstract

Abstrak Para pendaki pemula sebaiknya melakukan pendakian gunung secara berkelompok, namun metoda pengelompokan secara manual yang sedang berjalan saat ini tidak efektif dan efisien, terutama bagi para pendaki solo yang tidak memiliki komunitas pendakian gunung. Oleh karena itu perlu dibangun sebuah media online yang mampu mengelompokkan para pendaki gunung secara otomatis.Pengelompokan dilakukan dengan algoritma klastering K-Means berbasis agen cerdas. Agen-agen tersebut akan berkolaborasi dalam proses negosiasi menentukan anggota klaster yang memiliki kesamaan kriteria. Keuntungan utama dari pemanfaatan multiagen ini adalah proses pengklasteran dilakukan secara multithread. Agen-agen yang terlibat adalah agen user, agen basisdata, agen klastering, dan agen validasi. Agen-agen tersebut dibangun di atas platform JADE dengan bahasa komunikasi FIPA ACL. Evaluasi dilakukan terhadap 10, 100 dan 200 data dengan jumlah klaster tententu untuk menghitung nilai kohesi/kepadatan dalam 1 klaster dan jarak pisah antar-klaster. Metrik pengukuran yang digunakan adalah WGAD dan BGAD. Hasil yang diperoleh adalah kualitas anggota klaster yang lebih baik dibandingkan k-means biasa. Kata kunci: agen, jade, fipa acl, wgad, bgad  AbstractThe beginner climbers should do mountain climbing as a group, however, manually grouping method that is currently running is not effective and efficient , especially for the solo climber who do not have the mountaineering community . Therefore, it is necessary to build an online media that is able to classify mountaineers automatically. The grouping is done by the algorithm K-Means clustering -based intelligent agents . The agents will collaborate in the negotiation process and determines the cluster members that have similar criteria . The main advantage of using multiagentsis multithreading proces, so the clustering process will run at once . The agentsconsists of the user agent , the database agent , clustering agents , and validation agent . The agents are implemented with JADE platform because JADE is using FIPA ACL communication language . Evaluation will calculate the value of cohesion / density in one cluster and inter - cluster separation distances with 10 , 100 and 200 data. Metric measurement used are WGAD and BGAD . Thequality of a cluster member is better than using an usual k-means . Keywords: agen, jade, fipa acl, wgad, bgad