Peningkatan Kinerja Algoritma K Means dengan menggunakan Particle Swarm Optimization dalam Pengelompokan Data penyediaan Akses Sanitasi dan Air Bersih

Air  merupakan  salah  satu  halyang  memegang  peranan  yang  sangat  penting  dalam  kelangsungan hidup  manusia,  karena  pemerintah  Indonesia  mempunyai  program  penyediaan  air  dan  sanitasi berbasis  masyarakat  (PAMSIMAS),  sehingga  semua  program tersebut  dapat  berjalan  dengan  baik memerlukan suatu teknik pengelompokan status wilayah dalam penelitian ini. Dengan algoritma K-means. K-means merupakan algoritma partisi yang bertujuan untuk membagi data menjadi jumlah cluster yang ditentukan, hasil dari algoritma K means tergantung pada pemilihan pusat klater awal namun  permasalahan  yang  sering  terjadi  saat  pemilihan  centroid  awal  diambil  secara  acak  dari solusinya.  dari  pengelompokan  kurang  tepat.  Untuk  mengatasi  masalah  tersebut  penulis  ingin menggunakan algoritma PSO in initial centroid selector untuk algoritma K-means, dalam penelitian ini  juga  membandingkan  pemilihan  3  centroid  pertama  secara  random,  kedua  menurut  standar pemerintah  nilainya  tinggi,  kualitas  air  minum  sedang  dan  rendah  maka  metode  ketiga  yang diusulkan dengan algoritma PSO kemudiandiuji dengan Davies Bouldin Index. Dari hasil pengujian, metode K-means dengan pemilihan centroid awal secara acak dengan nilai 0,208856082, metode K-means  pemilihan  centroid  sesuai  dengan  standar  pemerintah  tentang  kondisi  SAM  0,280077  dan metode  pemilihan  terbaik  adalah  K -berarti  PSO  0,  08383.  Jadi  pengujian  data  PAMSIMAS menggunakan K-means PSO menemukan bahwa metode tersebut lebih optima