K-MEANS CLUSTERING DAN ALGORITMA KUNANG-KUNANG UNTUK SOLUSI RUTE PATROLI POLISI KEPOLISIAN RESOR MERAUKE

Abstract

Masalah routing menjadi masalah yang sering dibicarakan. Meminimalkan waktu, kendaraan, atau biaya pengiriman menjadi fokus utama termasuk rute patroli. Rute patroli menjadi penting untuk dibentuk secara optimal agar efektif dalam menindak kejahatan dan menjaga keamanan. Dengan mengadopsi patroli polisi multi agent, penelitian ini menggunakan dua langkah: pengelompokan sasaran patrol polisi menggunakan Algoritma K-Means untuk membatasi daerah Agent Polisi dalam melakukan patroli dan Algoritma Kunang-kunang sebagai algoritma untuk menetapkan rute yang efisien untuk patroli polisi tiap Cluster. Hasil menunjukkan jumlah Firefly mempengaruhi penemuan solusi lebih baik karena jumlah Firefly menentukan variasi model solusi permutasi. Semakin banyak jumlah firefly mengakibatkan semakin banyak solusi permutasi yang di coba, nilai gamma mempengaruhi firefly bergerak dan membentuk variasi rute baru, dan semakin banyak jumlah iterasi mempengaruhi semakin banyak menciptakan variasi rute yang berbeda-beda, maka sistem semakin tepat menemukan solusi permutasi yang terbaik. Variasi model solusi permutasi yang diciptakan Algoritma Kunang-kunang bersifat acak dan memungkinkan model solusi permutasi yang sama terulang kembali. Sedangkan untuk uji akurasi, jumlah Cluster 4 dengan memilih Cluster 4 sebagai bahan uji, didapatkan rute hasil FFA sesuai dengan hasil perhitungan manual yaitu 0.061. Sedangkan untuk hasil pengujian parameter terhadap keseluruhan Cluster berdasarkan percobaan, didapatkan nilai parameter terbaik untuk nilai gamma adalah 0.9, jumlah firefly adalah 20, jumlah iterasi adalah 10, dengan jumlah Cluster adalah 4. K-Means Clustering dan Algoritma Kunang-kunang baik dalam pembagian wilayah patroli dan pembentukan rute patroli yang bersifat acak. Kata Kunci : Rute Patroli Polisi, Algoritma Kunang-kunang, K-Means Clustering Routing problem is a common issue. Minimizing time, vehicles, or shipping costs are the main focus including patrol routes. The patrol route becomes important to be optimally formed to be effective in cracking down on crime and maintaining security. this research uses two steps: grouping targets of police patrols using the K-Means Algorithm to limit the area of Police Agents in conducting patrols and Firefly Algorithm as an algorithm to establish efficient routes for police patrols for each Cluster. By adopting a multi-agent police patrol, this research uses two steps: grouping targets of police patrols using the K-Means Algorithm to limit the area of Police Agents and Firefly Algorithm as an algorithm to establish efficient routes for police patrols for each Cluster. The results show the number of Firefly influences finds a better solution because the number of Firefly determines the variation of the permutation solution model. The more number of firefly results in the more permutation solutions being tried, the gamma value affects firefly to move and forms new route variations, and the more the number of iterations affects the more different variations of routes, the more precise the system finds the best permutation solution. The variation of the permutation solution model created by Firefly Algorithm was random and allows the same permutation solution model to repeat itself. Whereas, test accuracy with the number of Clusters 4 by selecting Cluster 4 as the test material, the FFA results route in accordance with the manual calculation results of 0.061. Whereas for the results of testing the parameters of the entire Cluster based on the experiment, the best parameter values for gamma value is 0.9, the number of firefly is 20, the number of iterations is 10, with the number of Clusters is 4. K-Means Clustering and Firefly Algorithm both in the distribution of patrol areas and the establishment of random patrol routes. Keywords : Police Patrol Routes, Firefly Algorithm, K-Means Clustering