KLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS

  • Putu Manik Prihatini Jurusan Teknik Elektro, Politeknik Negeri Bali

Abstract

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).

Downloads

Download data is not yet available.
Published
Mar 2, 2017
How to Cite
MANIK PRIHATINI, Putu. KLUSTERING BERBASIS PROTOTIPE DENGAN METODE FUZZY C-MEANS. Logic : Jurnal Rancang Bangun dan Teknologi, [S.l.], v. 15, n. 1, p. 61, mar. 2017. ISSN 2580-5649. Available at: <http://ojs.pnb.ac.id/index.php/LOGIC/article/view/375>. Date accessed: 04 july 2022.
Section
Articles