5.2.4 Pengujian Kualitas cluster menggunakan Silhouette Index
Pengujian terhadap sistem implementasi Algoritma FCM dapat dilakukan dengan menguji validalitas menggunakan Silhouette Index dengan
menghitung jarak menggunakan perhitungan Manhattan yang ditunjukkan pada informasi 2.7.
Di uji dengan data nasabah bank yang sudah di clusterdengan jumlah data uji sebanyak 15 data, kemudian jumlah data atribut sebanyak
2terdiri dari jumlah pinjaman dan jangka waktu pinjaman yang ditunjukkan pada tabel yang terlampir di lampiran 6, serta untuk Tabel uji validalitas ini
terlampir pada lampiran 5.
Tabel 5. 7 Hasil Uji Kualitas clusterSilhouette Index per cluster. Cluster 1
Cluster 2 Data
SI Data
SI 1
0,599998 10
0,153838 2
0,599996 12
0,833325 3
0,599996 13
0,833325 4
0,657141 14
0,833326 5
0,657141 6
0,6571399 7
0,657141 8
0,65714 9
0,657141 11
-0,42307 15
-0,88636
Dari hasil uji validalitas di tabel yang dilakukan pada perhitungan manual, dapat di katakan bahwa ada beberapa data yang tidak masuk di
dalam cluster tersebut, atau tidak tepat berada dalam cluster tersebut. Karena nilai keseluruhan SI cluster 1 terhadap cluster 2 adalah 0,40304,
dimana dapat dilihat pada tabel 5.7 untuk cluster 1 terdapat nilai negatif, yang
berarti pada
uji kualitas
clustermenggunakan Silhouette
Indexmenandakan bahwa data tersebut tidak tepat berada dalam cluster tersebut karena lebih dekat ke cluster yang lain yang ditunjukkan pada
data ke-11 dan data ke-15. Sedangkan pada data ke-1 hingga data ke-9 ditunjukkan bahwa data tersebut mendekati nilai 1 yang artinya berada pada
cluster yang tepat. Sedangkan pada cluster 2 dapat dikatakan data yang berada pada cluster tersebut sudah tepat, karena nilai keseluruhan SI cluster
2 terhadap cluster1 adalah 0,66345, dimana dapat dilihat pada tabel 5.7 cluster 2 terdapat nilai yang mendekati 0, yang berarti pada uji kualitas
clustermenggunakan Silhouette Index menandakan bahwa data tersebut posisinya berada di perbatasan di antara dua cluster yang ditunjukkan pada
data ke-10. Sedangkan pada data ke-12, data ke-13 dan data ke-14 ditunjukkan bahwa data tersebut mendekati nilai 1 yang artinya berada pada
cluster yang tepat.
5.3 Kelebihan dan Kekurangan Sistem
Kategori