Clustering Data dengan Algoritme Fuzzy c-Means Berbasis Indeks Validitas Partition Coefficient and Exponential Separation (PCAES)

Main Article Content

Dewi Syifaur Rohmah
Dewi Retno Sari Saputro

Abstract

Clustering merupakan proses pengelompokkan data menjadi beberapa cluster atau kelompok. Hasil dari clustering diperoleh data dengan tingkat kemiripan yang tinggi dalam satu cluster dan berbeda dengan cluster lainnya. Pengelompokkan data tidak dilakukan secara manual melainkan dengan algoritme clustering. Salah satu algoritme tersebut adalah fuzzy c-means (FCM). FCM mengelompokkan data ke dalam suatu cluster berdasarkan derajat keanggotaan dari setiap data tersebut. FCM juga memiliki tingkat akurasi yang tinggi dan waktu komputasi yang cepat. Banyaknya cluster menjadi hal penting dalam proses clustering. Diperlukan suatu metode yang dapat digunakan untuk memeroleh cluster yang optimal sehingga hasil clustering dikatakan valid. Validitas tersebut dapat dilakukan dengan menentukan indeks validitas yang mempunyai nilai maksimum pada uji validitas. PCAES merupakan salah satu indeks validitas cluster yang menggabungkan dua faktor yaitu koefisien partisi yang dinormalisasi dan ukuran pemisahan eksponensial untuk setiap cluster. Pada penelitian ini dibahas teori clustering dengan metode FCM berbasis indeks validitas PCAES sebagai penentu banyak kelompok dalam proses clustering.

Article Details

How to Cite
Rohmah, D. S., & Saputro, D. R. S. (2020). Clustering Data dengan Algoritme Fuzzy c-Means Berbasis Indeks Validitas Partition Coefficient and Exponential Separation (PCAES). PRISMA, Prosiding Seminar Nasional Matematika, 3, 58-63. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/37649
Section
Articles

References

Gan, G., Chouqun, M., & Wu, J. (2007). Data Clustering. United State Of America : The America Statistic Association.
Klir, G.J. & Yuan, B. (1995). Fuzzy Sets and Fuzzy Logic, Theory and Applications. Prentice Hall Inc., Upper Saddle River.
Kusumadewi & Purnomo. (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Edisi 2. Yogyakarta : Penerbit Graha Ilmu.
Kusumadewi, S., Hartati S., Harjoko S., & Wrdoyo R. (2006). Fuzzy Multi-attribute Decision Making. Yogyakarta : Penerbit Graha Ilmu.
Sutoyo, M., S., & Sumpala, A., T., (2015). Penerapan Fuzzy C-Means untuk Deteksi Dini Kemampuan Penalaran Matematis. Scientific Journal of Informatics, 2(15), 129-136.
Tan,P.N., Steinbach, M., & Kumar, V. (2016). Introduction to Data Mining. Pearson Education, Inc.
Wu, K-L. & Yang, M-S. (2004). A cluster validity Index for Fuzzy Clustering. Pattern Recognition Letters, 26(9), 1275-1291.
Zhao, Q., & Franti, P. (2014). WB-index : A Sum-of-Squares Based Index for Cluster Validity, Data & Knowledge Engineering. Elsevier B.V., 92, 77–89