PEMBANGUNAN PERANGKAT LUNAK BANTU KLASTERISASI DENGAN METODE FUZZY C-MEANS
| Main Author: | Kamanancy, Krisanti Nadya |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Terbitan: |
, 2007
|
| Subjects: | |
| Online Access: |
http://e-journal.uajy.ac.id/3677/1/0TF03777.pdf http://e-journal.uajy.ac.id/3677/2/1TF03777.pdf http://e-journal.uajy.ac.id/3677/3/2TF03777.pdf http://e-journal.uajy.ac.id/3677/4/3TF03777.pdf http://e-journal.uajy.ac.id/3677/5/4TF03777.pdf http://e-journal.uajy.ac.id/3677/6/5TF03777.pdf http://e-journal.uajy.ac.id/3677/ |
Daftar Isi:
- Perkembangan teknologi yang pesat memungkinkan data jumlah besar terakumulasi sehingga menciptakan kondisi ledakan data namun sulit mendapatkan informasi yang berguna dari data skala besar tersebut. Kesulitan ini dapat dipecahkan dengan menggunakan penambangan data (data mining). Untuk mendapatkan informasi berupa karakteristik data, salah satu teknik data mining yang dapat digunakan adalah klasterisasi. Untuk mengatasi masalah tersebut maka dikembangkanlah perangkat lunak Fuzzy C-Means. Fuzzy C-Means (FCM) adalah suatu teknik pengklasteran data dimana keberadaan tiap titik data dalam klaster ditentukan oleh derajat keanggotaan. Konsep dasar FCM adalah menentukan pusat klaster, yang menandai lokasi rata-rata untuk tiap klaster. Tiap titik data memiliki derajat keanggotaan untuk tiap klaster. Dengan cara memperbaiki pusat klaster dan derajat keanggotaan secara berulang, maka pusat klaster akan bergerak menuju lokasi yang tepat. Perulangan ditentukan jika telah memenuhi kondisi maksimum perulangan atau minimum error. Pembangunan perangkat lunak ini dikembangkan untuk mengklaster data-data bertipe numerik dengan metode fuzzy c-means dan dapat menentukan jumlah klaster valid yang dicari berdasarkan metode Total Within Cluster Variation. Perangkat Lunak ini dikembangkan dengan bahasa pemrograman Visual Basic.NET 2003 dan SQL Server 2000 untuk pengelolaan database. Pembangunan perangkat lunak ini berhasil menghasilkan suatu perangkat lunak yang dapat membentuk klaster-klaster dari data bertipe numerik dengan metode fuzzy c-means.