%A Manik Prihatini, Putu %D 2017 %T KLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS %B 2017 %9 %! KLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS %K %X Pengenalan pola mengklasifikasikan objek ke beberapa kelas atau kategori dan mengenali kecenderungan data. Pada pengenalan pola tidak terbimbing seperti klustering, vektor fitur pelatihan dan kelaskelas tujuan belum diketahui. Fuzzy C-Means (FCM) adalah suatu teknik pengklusteran data, keberadaan tiaptiap titik data dalam suatu kluster ditentukan oleh derajat keanggotaan. Metode FCM diterapkan pada penelitian ini untuk melakukan pengelompokkan industri kecil. Proses klustering membutuhkan inisialisasi berupa sepuluh industri kecil dengan dua kriteria yaitu modal awal dan rata-rata penjualan, serta parameter yang diperlukan. Proses diawali dengan melakukan pembangkitan matriks partisi U, kemudian menghitung pusat kluster, menghitung fungsi objektif dan melakukan perubahan matriks partisi U yang digunakan untuk iterasi berikutnya. Berdasarkan fungsi objektif yang diperoleh, dilakukan pengecekan apakah fungsi objektif sudah di bawah parameter error rate. Dengan parameter error rate yang ditentukan sebesar 0,000016 proses klustering dihentikan pada iterasi tiga puluh tiga. Hasil akhir klustering mengelompokkan data industri ke dalam tiga kelompok kluster yaitu kluster 1 (Industri 5 dan 7), kluster 2 (Industri 8, 9 dan 10), dan kluster 3 (Industri 1, 2, 3, 4 dan 6). %U https://ojs.pnb.ac.id/index.php/LOGIC/article/view?path= %J Logic : Jurnal Rancang Bangun dan Teknologi %0 Journal Article %& 61%P 1 %V 15 %N 1 %@ 2580-5649 %8 2017-03-02 %7 2015-03-31