∑
dimana
∑
9. Tentukanlah kriteria penghentian iterasi, yaitu perubahan matriks partisi pada
iterasi sekarang dan iterasi sebelumnya dimana perubahan tersebut sebesar delta: Δ≡||U
t
- U
t-1
||.
10. Apabila Δε maka iterasi dihentikan dan jika tidak lanjutkan menghitung kembali
pusat cluster ke-k.
11. Pada akhir proses FCM akan diperoleh suatu pengelompokan data yang terdiri dari
nilai center tiap cluster.
Bila fungsi keanggotaan yang digunakan adalah kurva Generalized Bell GBell, maka standar deviasi setiap cluster harus dihitung terlebih dahulu. Nilai fuzzy
membership function pada setiap data dapat diperoleh dengan memasukkan data yang telah dinormalkan, nilai center dan standar deviasi cluster ke dalam persamaan kurva
GBell. Informasi cluster ini nantinya akan membantu dalam pembangunan FIS model Sugeno yang bisa memodelkan hubungan data input-output dengan jumlah rule
minimum. Definisi sebuah rule diasosiasikan dengan suatu cluster data Sari, et al, 2012.
2.4. Inferensi
Pada tahapan ini sistem menalar nilai masukan input untuk menentukan nilai keluaran output sebagai bentuk pengambil keputusan. Sistem terdiri dari beberapa
aturan dimana kesimpulan diperoleh dari kumpulan dan korelasi antaraturan Effendi,
Universitas Sumatera Utara
2009. Metode inferensi yang sering digunakan yaitu, metode Mamdani, Sugeno dan Sukamoto. Untuk melakukan proses inferensi, terdapat 3 operasi dasar yang umum
digunakan yaitu max, min dan not.
2.4.1 Operasi himpunan fuzzy
Operasi-operasi pada himpunan fuzzy pada dasarnya mirip dengan operasi pada himpunan klasik dimana operasi logika AND diganti dengan min, operasi logika OR
diganti dengan max, sedangankan operator NOT diganti dengan operasi komplemen pada himpunan tersebut Irawan, 2007.
Menurut Sari 2001, operasi dasar himpunan fuzzy adalah sebagai berikut:
1. Operasi ―dan‖Intersection
A ―dan‖ B merupakan himpunan fuzzy dari X, ditunjukkan sebagai derajat keanggotaan dari A
B adalah hasil yang diperoleh dengan mengambil nilai keanggotaan terkecil antara elemen-elemen pada himpunan-himpunan yang
bersangkutan.
[ ]
2. Operasi ―atau‖ Union
A ―atau‖ B merupakan himpunan fuzzy dari X, ditunjukkan sebagai derajat keanggotaan dari A
B adalah hasil yang diperoleh dengan mengambil nilai keanggotaan terbesar antara elemen-elemen pada himpunan-himpunan yang
bersangkutan.
[ ]
3. Operasi ―Tidak‖ Complement
Operasi ―tidak‖ A merupakan himpunan fuzzy dari X, ditunjukkan sebagai derajat keanggotaan dari A’ A komplemen adalah hasil yang diperoleh dengan
Universitas Sumatera Utara
mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
2.5 Defuzzifikasi
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip
tertentu sebagai output Sari, et al, 2012. Metode defuzzifikasi yang digunakan dalam penelitian ini adalah weight average.
Pada metode weight average ini mengambil nilai rata-rata dengan menggunakan pembobotan berupa derajat keanggotaaan, sehingga z didefinisikan
sebagai:
∑
2.11
dimana z adalah nilai crisp dan μz adalah derajat keanggotaan dari nilai crisp z.
2.6 Jaringan Saraf Tiruan