tiap titik data memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbaiki pusat cluster dan derajat keanggotaan tiap-tiap
titik data secara berulang, maka akan dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. Perulangan ini didasarkan pada
minimisasi fungsi objektif yang menggambarkan jarak dari titik data yang diberikan ke pusat cluster yang terbobot oleh derajat keanggotaan titik
data tersebut. Output dari FCM bukan merupakan fuzzy inference system, namun
merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiap-tiap titik data. Informasi ini dapat digunakan untuk membangun sautu
fuzzy inference system. [SRIHARI2010]
2.6.1 Algoritma Fuzzy C-Means Cluster FCM
Algoritma Fuzzy C-Means adalah sebagai berikut: 1.
Input data yang akan dicluster X, berupa matriks berukuran n x m n=jumlah sample data, m=atribut setiap data. X
ij
=data sample ke-i i=1,2,…,n, atribut ke-jj=1,2,…,m.
2. Tentukan: o Jumlah cluster c
o Pangkat w o Maksimum iterasi MaxIter
o Error terkecil yang diharapkan ɛ
o Fungsi obyektif awal P =0
o Iterasi awal t=1
STIKOM SURABAYA
3. Bangkitkan nilai acak μ
ik
, i=1,2,…,n; k=1,2,…,c; sebagai elemen- elemen
matriks partisi awal U derajat keanggotaan dalam cluster. μik adalah derajat keanggotaan yang merujuk pada seberapa besar
kemungkinan suatu data bisa menjadi anggota ke dalam suatu cluster. Posisi dan nilai matriks dibangun secara random. Dimana nilai
keangotaan terletak pada interval 0 sampai dengan 1. Pada posisi awal matriks
partisi U masih belum akurat begitu juga pusat clusternya. Sehingga
kecendrungan data untuk masuk suatu cluster juga belum akurat. Hitung jumlah setiap kolom atribut
……………………………………………….…… 2.1 Q
j
adalah jumlah nilai derajat keanggotaan perkolom = 1 dengan j=1,2,…m
Hitung:
………………………………………………............ 2.2
STIKOM SURABAYA
4. Hitung pusat Cluster ke-k: V
kj
,dengan k=1,2,…c; dan j=1,2,…m.
………………………………… 2.3 5. Hitung fungsi obyektif pada iterasi ke-t, P
t
. Fungsi obyektif dugunakan sebagai syarat perulangan untuk
mendapatkan pusat cluster yang tepat. Sehingga diperoleh kecendrungan data untuk
masuk ke cluster mana pada step akhir.
…………………… 2.4 6. Hitung perubahan matriks partisi:
……………………………… 2.5 dengan: i=1,2,…n;dan k=1,2,..c.
7. Cek kondisi berhenti: o jika: |P
t
- P
t-1
| ≤ ɛ atau tmaxIter maka berhenti;
o jika tidak: t=t+1, ulangi langkah ke-4.
STIKOM SURABAYA
Gambar 2.3 Flowchart Metode Fuzzy C-means Clustering
STIKOM SURABAYA
28
BAB III PERANCANGAN SISTEM
3.1 Analisis Permasalahan
Perpustakaan merupakan salah satu gudang ilmu pengetahuan bagi sebagian masyarakat. Perpustakaan STIKOM Surabaya merupakan salah satu
tempat bagi para mahasiswa maupun dosen untuk belajar dan menambah pengetahuannya melalui buku-buku yang ada. Pihak perpustakaan harus
senantiasa menambah buku baru ataupun menambah jumlah buku yang telah ada sesuai dengan kebutuhan dan anggaran yang disediakan.
Saat ini perpustakaan STIKOM Surabaya telah mampu mengelola sirkulasi perpustakaan secara komputerisasi. Semua transaksi peminjaman,
pengembalian dan pencarian koleksi telah berjalan dengan baik. Akan tetapi pihak perpustakaan masih mengalami kesulitan dengan jenis buku yang harus mereka
beli agar sesusai dengan kebutuhan dosen dan mahasiswa. Karena belum adanya sistem yang menangani masalah ini, akhirnya pihak perpustakaan menentukan
jenis buku baru yang akan mereka beli dengan cara melihat daftar usulan buku dari mahasiswa dan dosen. Daftar usulan buku yang ada biasanya berisikan
puluhan jenis buku yang berbeda. Pihak perpustakaan biasanya memilih beberapa diantaranya untuk dibeli tanpa ada metode perhitungan yang jelas sehingga
terkadang dapat menyebabkan kurang maksimalnya keputusan yang telah diambil. Berdasarkan keterangan di atas, maka proses-proses penentuan jenis
buku baru yang akan dibeli tersebut dapat dilakukan melalui perhitungan dengan
STIKOM SURABAYA
