EPrints Universitas Amikom YogyakartaK-MEANS CLUSTERING UNTUK SEGMENTASI INTENSITAS AKTIVITAS LARI BERDASARKAN DATA GPS DAN HEART RATE DI WILAYAH PERKOTAAN DAN KABUPATEN: STUDI MENGGUNAKAN DATA SIMULASIFaisal Bin MuhammadImranauthorPenggunaan perangkat wearable dengan sensor GPS dan detak jantung yang semakin meningkat telah menghasilkan volume data aktivitas yang besar dan memerlukan metode analisis yang efektif untuk segmentasi pola. Penelitian ini bertujuan mengimplementasikan algoritma K-Means Clustering untuk melakukan segmentasi pola aktivitas pelari berdasarkan data GPS dan heart rate menggunakan data simulasi yang merepresentasikan karakteristik aktivitas lari nyata. Penelitian menggunakan data sekunder berupa data dummy yang merepresentasikan 547 aktivitas lari dengan lima fitur utama yaitu kecepatan, pace, detak jantung, elevasi, dan Route Complexity Index (RCI). Metodologi penelitian meliputi preprocessing data dengan normalisasi z-score, penentuan jumlah cluster optimal menggunakan Elbow Method dan Silhouette Score, serta implementasi K-Means dengan inisialisasi k-means++. Algoritma mencapai konvergensi pada iterasi ke-47 dengan kompleksitas komputasi O (n×k×i×d). Hasil clustering dievaluasi menggunakan tiga metrik yaitu Silhouette Score sebesar 0,487, Davies-Bouldin Index sebesar 0,823, dan Calinski-Harabasz Index sebesar 342,56 yang menunjukkan kualitas clustering yang baik dengan pemisahan cluster yang jelas dan homogenitas tinggi. Analisis menghasilkan tiga cluster yang memiliki karakteristik berbeda: Cluster 0 (36,6%) menunjukkan aktivitas efisiensi kardiovaskular rendah dengan rasio efisiensi detak jantung tinggi, Cluster 1 (32,5%) menunjukkan efisiensi kardiovaskular sedang dengan karakteristik bervariasi, dan Cluster 2 (30,9%) menunjukkan efisiensi kardiovaskular tinggi dengan efisiensi fisiologis. Normalisasi terbukti meningkatkan performa secara signifikan dengan peningkatan Silhouette Score sebesar 56,1 persen. Penelitian ini memberikan kontribusi pada penerapan unsupervised learning untuk analisis IoT dari perangkat wearable dan mendemonstrasikan bahwa pendekatan clustering dapat memberikan wawasan bermakna untuk segmentasi pola aktivitas.000 Ilmu komputer, informasi dan pekerjaan umum2026-03-02Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.