Pernah merasa rekomendasi di media sosial atau marketplace kadang terlalu tepat sampai terasa “AI banget”? Mulai dari video FYP, rekomendasi produk, sampai iklan yang muncul, semuanya sebenarnya bekerja dengan cara membaca pola dan mengelompokkan data pengguna.
Nah, di balik teknologi tersebut, proses clustering atau pengelompokan data menjadi salah satu hal paling penting dalam dunia Artificial Intelligence (AI). Menariknya, peneliti dari Telkom University Purwokerto baru saja mengembangkan metode baru agar proses clustering menjadi lebih akurat dan tidak “asal kelompok”.
Penelitian ini dipublikasikan di jurnal internasional terindeks Scopus dengan judul “Least Square-Based Differential Evolution Algorithm for n-Dimensional Data Clustering Problem.” Penelitian dilakukan oleh Muhammad Abdul Latief, Ridwan Pandiya, dan Aina Latifa Riyana dari Department of Data Science Telkom University Purwokerto.
Secara sederhana, penelitian ini mencoba memperbaiki kelemahan algoritma K-Means, salah satu metode clustering paling populer di dunia data science. Selama ini, K-Means sering digunakan untuk mengelompokkan data karena cepat dan sederhana. Masalahnya, algoritma ini masih punya kelemahan klasik: hasil pengelompokan bisa berubah-ubah karena titik awalnya dipilih secara random.
Kalau dianalogikan, sistem seperti sedang membagi ribuan orang ke beberapa komunitas, tetapi ketua kelompoknya dipilih secara acak. Akibatnya, hasil pengelompokan kadang kurang konsisten dan kurang optimal. Untuk mengatasi hal tersebut, tim peneliti mengembangkan pendekatan baru dengan menggabungkan metode Differential Evolution dan K-Means berbasis least square optimization. Teknologi ini membuat sistem AI mampu mencari “pusat kelompok” terbaik secara lebih cerdas dan adaptif, bukan sekadar random selection.
Hasilnya, performa clustering menjadi lebih baik dan lebih stabil dibanding metode konvensional. Sistem juga menunjukkan efisiensi komputasi yang lebih optimal saat menangani data multidimensi yang kompleks.
Menariknya, teknologi seperti ini sebenarnya sangat dekat dengan kehidupan sehari-hari. Clustering digunakan pada: (1) rekomendasi konten TikTok dan Instagram, (2) sistem rekomendasi e-commerce, (3) segmentasi pelanggan digital, (4) analisis tren media sosial, hingga pengolahan citra satelit dan smart city.
Semakin baik proses clustering, maka semakin pintar juga sistem AI dalam memahami perilaku pengguna dan menemukan pola tersembunyi dari data.
Di era banjir data seperti sekarang, kemampuan AI untuk memahami pola menjadi semakin penting. Penelitian ini menunjukkan bahwa inovasi dari kampus Indonesia juga mampu ikut berkontribusi dalam pengembangan teknologi AI modern yang digunakan di berbagai platform digital dunia.
Bukan cuma soal teori di laboratorium, tetapi bagaimana algoritma AI bisa dibuat lebih cerdas, lebih stabil, dan lebih relevan untuk kebutuhan teknologi masa kini
