= fungsi objektif pada iterasi ke-t
6. Menghitung perubahan matriks partisi dengan persamaan :
2.4
dengan: i = 1,2,...,n; dan k = 1,2,...,c.
Dimana :
= pusat cluster ke-k untuk atribut ke-j
= derajat keanggotaan untuk data sampel ke-i pada cluster ke-k
= data ke-i, atribut ke-j
7. Memeriksa kondisi berhenti dengan aturan persamaan
8. Jika: |Pt – Pt-1| atau t MaxIter maka berhenti. Jika tidak maka
t = t+1, Ulangi langkah ke-4.
2.5. Penelitian Terdahulu
Penelitian yang berhubungan dengan pengolahan data penjualan dan algoritma Fuzzy C-Means
seperti pada tabel 2.1 adalah 1. Penerapan data mining pada penjualan menggunakan metode Agglomerative
Hierarchical Clustering Sutrisno, 2013 yang menghasilkan pola penjualan
produk mana yang diminati oleh konsumen, kekurangan dalam penelitian ini adalah proses clustering lebih lambat dibandingkan k-means dan metode yang
digunakan tidak menentukan jumlah klaster dari awal. 2. Implementasi data mining untuk mengetahui pola transaksi pada data
penjualan menggunakan metode Deskripsi Anisah, 2013 yang menghasilkan pola transaksi penjualan per periode dan informasi tingkat penjualan kategori
produk yang laku dan jarang laku, pada penelitiannya memiliki kekurangan
dalam segi metode yang digunakan, metode yang digunakan adalah metode deskripsi yang menggunakan jumlah transaksi penjualan sebagai variabel
untuk menghasilkan nilai rata-rata, median dan modus untuk setiap produk.
3. Penerapan data mining pada penjualan produk minuman di PT. Pepsi Coca Cola Indobeverages menggunakan metode Clustering Irdiansyah, 2013.Pada
penelitian ini, metode yang digunakan adalah Agglomerative Hierarchical Clustering
. Hasil dari penelitian adalah kelompok karakteristik umum dari grup-grup konsumen yang berbeda. Penelitian dilakukan dengan menggunakan
parameter wilayah, jumlah penjualan dan rata-rata penjualan.
4. Penentuan jurusan sekolah menengah atas Bahar, 2011. Pada penelitian ini algoritma FCM memiliki tingkat akurasi rata-rata 78.39. Proses klastering
dalam penelitian ini dilakukan dengan menentukan jumlahklaster yang terbentuk di awal proses sesuai dengan jumlah kelompokJurusan yang
diinginkan. sehingga, tidak dapat dipastikan berapasesungguhnya jumlah klaster ideal yang terbentuk dari data nilai siswa yangada, sehingga akurasi
hasil pengelompokkan tidak dapat terukur.
5. Pemilihan peminatan tugas akhir mahasiswa Sumanto, 2011.Kesimpulan dari penelitian iniadalah pemilihan peminatan tugas akhir mahasiswa sangat
menentukan hasil tugas akhir mahasiswa. Tingkat akurasi penerapan FCM untuk pemilihan peminatan tugasakhir pada data yang digunakan pada
eksperimen ini mencapai 80.
Tabel 2.1 Penelitian Terdahulu No
Tahun Metode
Keterangan
1 2013
Agglomerative Hierarchical
Clustering kekurangan dalam penelitian ini adalah proses
clustering lebih lambat dibandingkan k-means dan metode yang digunakan tidak menentukan jumlah
klaster dari awal.
2 2013
Metode Deskripsi Kekurangannya
karena penelitian
hanya menghasilkan nilai rata-rata, median dan modus
untuk setiap produk. 3
2013 Agglomerative
Hierarchical Clustering
Hasil dari
penelitian adalah
kelompok karakteristik umum dari grup-grup konsumen
yang berbeda. Penelitian dilakukan dengan menggunakan
parameter wilayah,
jumlah penjualan dan rata-rata penjualan.
BAB 3 ANALISIS DAN PERANCANGAN SISTEM