28
Gambar 4.4.
Nilai Fungsi Tujuan Pada gambar 4.4 penurunan nilai fungsi tujuan yang sangat landai terjadi
antara iterasi awal hingga ke 5. Setelah itu nilai fungsi tujuan mengalami penurunan yang relative kecil hingga mendekati angka 10.4 x 10
11
pada iterasi ke- 24 dan pada iterasi ke-24 telah didapat nilai minimum dari fungsi tujuan.
4.2.3 Hasil Pengelompokan
Penentuan anggota cluster ditentukan berdasarkan nilai fungsi keanggotaan yang terbesar, nilai fungsi keanggotaan menunjukkan seberapa besar
peluang suatu observasi provinsi menjadi bagian dari cluster ke-c, c = 1, 2, 3. Sebagai contoh, berdasarkan tabel 4.2 nilai fungsi keanggotaanProvinsi
Nangroe Aceh Darussalam pada cluster 1, 2 dan 3 berturut-turut adalah 0.142717, 0.853917, dan 0.003366. Karena nilai fungsi keanggotaan pada cluster 2 lebih
besar dari yang lain, maka Provinsi Nangroe Aceh Darussalam lebih besar berpeluang menjadi anggota cluster 2. Berikut ini adalah nilai fungsi keanggotaan
tiap-tiap cluster.
29
Tabel 4.2.
Nilai Fungsi Keanggotaan
Provinsi Nilai Fungsi
Keanggotaan Provinsi
Nilai Fungsi Keanggotaan
1 2
3 1
2 3
P
1
0.1427 0.8539 0.0034 P
18
0.0991 0.8978 0.0031 P
2
0.1460 0.8351 0.0188 P
19
0.3145 0.6412 0.0443 P
3
0.8813 0.1166 0.0021 P
20
0.5870 0.4085 0.0045 P
4
0.9301 0.0685 0.0014 P
21
0.9957 0.0042 0.0001 P
5
0.9947 0.0052 0.0002 P
22
0.9908 0.0089 0.0003 P
6
0.1419 0.8514 0.0067 P
23
0.9601 0.0388 0.0011 P
7
0.9898 0.0099 0.0003 P
24
0.9932 0.0066 0.0002 P
8
0.0891 0.9046 0.0063 P
25
0.8423 0.1532 0.0045 P
9
0.9514 0.0466 0.0020 P
26
0.1291 0.8678 0.0031 P
10
0.9271 0.0703 0.0027 P
27
0.9317 0.0669 0.0014 P
11
0.9832 0.0163 0.0005 P
28
0.9695 0.0294 0.0011 P
12
0.0146 0.0211 0.9643 P
29
0.9795 0.0197 0.0007 P
13
0.0061 0.0089 0.9850 P
30
0.9911 0.0086 0.0003 P
14
0.9357 0.0626 0.0017 P
31
0.9650 0.0336 0.0013 P
15
0.0060 0.0085 0.9855 P
32
0.9868 0.0128 0.0004 P
16
0.0516 0.9458 0.0025 P
33
0.2321 0.7579 0.0100 P
17
0.9883 0.0114 0.0004
Berdasarkan Tabel 4.2 di atas diperoleh hasil pengelompokan berdasarkan nilai fungsi keanggotaan menggunakan metode fuzzy c-mean clustering:
1. Anggota pada cluster 1: Sumatera Barat, Riau, Jambi, Bengkulu, Bangka Belitung, Kepulauan Riau,
DKI Jakarta, DI. Yogyakarta, Bali, Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan, Kalimantan Timur, Sulawesi Utara, Sulawesi Tengah,
30 Sulawesi Tenggara, Gorontalo, Sulawesi Barat, Maluku, Maluku Utara, dan
Papua Barat. 2. Anggota pada cluster 2:
Nanggroe Aceh Darussalam, Sumatera Utara, Sumatera Selatan, Lampung, Banten, Nusa Tenggara Barat, Nusa Tenggara Timur, Sulawesi Selatan, dan
Papua. 3. Anggota pada cluster 3:
Jawa Barat, Jawa Tengah, dan Jawa Timur.
4.2.4 InterprestasiCluster
