Optimasi Hasil Clustering Fuzzy C-Means Menggunakan Algoritma Genetika Studi Kasus Clustering Data Bunga Iris
| Main Author: | Febriawan, Isrofi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2011
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152742/1/051104165.pdf http://repository.ub.ac.id/152742/ |
Daftar Isi:
- Fuzzy C-Means (FCM) merupakan salah satu metode clustering yang memungkinkan satu bagian data menjadi milik dua atau lebih cluster. Penerapan FCM telah dilakukan terhadap berbagai kasus, diantaranya : clustering data performance mengajar dosen, analisa keluarga miskin, dan penentuan nilai akhir kuliah. Namun pada penelitian-penelitian tersebut hasil clustering yang diperoleh hanya menggunakan algoritma FCM. Karena sensitivitas inisiasi random pada FCM menyebabkan hasil clustering yang diperoleh terjebak dalam minimum lokal, maka pendekatan algoritma genetika biasanya dapat menghilangkan masalah tersebut. Proses optimasi hasil clustering FCM menggunakan algoritma genetika pada data bunga Iris diawali dengan memasukkan data uji berupa dataset bunga Iris ke dalam proses FCM, kemudian matrik pusat cluster hasil proses FCM dievolusikan menggunakan algoritma genetika hingga didapatkan matrik pusat cluster yang lebih optimal. Tujuan yang diharapkan dalam proses optimasi hasil clustering ini yaitu meminimalkan fungsi objektif Jm. Semakin kecil nilai Jm, maka pusat cluster yang dihasilkan semakin optimal. Berdasarkan hasil pengujian dan analisa yang telah dilakukan dapat diketahui bahwa algoritma genetika dapat diterapkan untuk optimasi hasil clustering Fuzzy C-Means dengan cara meminimalkan fungsi objektif Jm. Nilai Jm FCM-GA yang dihasilkan lebih kecil dari nilai Jm FCM untuk semua nilai c (jumlah cluster) yang diujicobakan. Selain itu rata-rata nilai classification rate (CR) FCMGA (89.83%) lebih besar dari rata-rata nilai CR FCM (87.33%). Melalui pengujian didapatkan nilai c terbaik yaitu 3. Nilai c terbaik yang didapatkan sesuai dengan dataset yang menjadi data uji pada penelitian ini karena dataset telah terklasifikasi ke dalam 3 kelas.