PENGGUNAAN METODE K-MEANS CLUSTERING UNTUK PENENTUAN PUSAT FUNGSI BASIS PADA MODEL RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) DENGAN MENGGUNAKAN DATA KUNJUNGAN WISMAN KE YOGYAKARTA 1994 - 2006

Radial Basis Function Neural Network merupakan kelompok besar dari model neural network yang jarak antara vector input dengan vektor prototype merupakan input dari unit hidden. Manfaat dari Radial Basis Function Neural Network untuk menentukan pendekatan fungsi regulasi, noisy interpolation, estimasi densitas, optimal classification theory dan fungsi potensial. Cukup banyak manfaat Radial Basis Function Neural Network namun belum adanya prosedur yang baku untuk menentukan model Radial Basis Function Neural Network yang optimal pada data time series. Di dalam penelitian ini digunakan data kunjungan wisatawan mancanegara (wisman) ke Yogyakarta pada tahun 1994-2006. Data tersebut diambil banyaknya input 4 dan banyaknya kelas 3,4,5,6, dan 7. Selanjutnya ditentukan pusat dan varian dari masing-masing kelas dengan menggunakan metode K-Means clustering dan ditentukan banyaknya fungsi basis pada model Radial Basis Function Neural Network dengan menggunakan metode forward selection. Hasil penelitian terdapat lima tipe pusat berdasarkan jumlah input dan jumlah kelas. Berdasarkan pusat-pusat yang diperoleh, dengan menggunakan forward selection untuk banyaknya kelas 3, 4, 5, 6, dan 7 diperoleh secara berturut-turut banyaknya fungsi basis 3, 3, 4,6, dan 7