PRAKTIKUM 4 5 FUZZY CLUSTERING

FUZZY CLUSTERING
• Clustering yaitu menentukan titik-titik pusat merupakan
konsep yang paling mendasar untuk menentukan pola dari
suatu data.
• Fuzzy clustering memberikan pengelompokan data secara
fuzzy
u y pa
partition,
t t o , ya
yangg lebih
eb kuat,
uat, lebih
eb luas,
uas, dan
da lebih
eb realitas
ea tas
dari pada crisp partition.
• Ada 2 metode fuzzy clustering:
1. fuzzy c-means clustering method (fcm)
menggunakan fuzzy c-partitions yang merupakan fuzzy

pseudopartition dengan menentukan terlebih dahulu
banyaknya titik cluster yang ingin dicari.
2 fuzzy subtractive clustering method
2.
menggunakan fuzzy equivalence relations yang merupakan
regular fuzzy partitions tanpa menentukan terlebih dahulu
banyaknya titik cluster yang ingin dicari
dicari.
Praktikum Fuzzy Logic - Abdul Aziz, M.Si.

1

1. Fuzzy C-Means
C Means Clustering Method
• Fuzzyy C-Means adalah suatu teknik clusteringg
(pengelompokan) data dimana keberadaan titik-titik
data dalam suatu cluster ditentukan oleh derajat
keanggotaan.
keanggotaan
• Penentuan titik cluster dilakukan secara berulangulang hingga diperoleh data yang akurat berdasarkan

derajat keanggotaannya.
• Perulangan ini didasarkan pada minimalisasi fungsi
obyektif yang menggambarkan jarak dari titik data ke
pusat cluster yang terbobot oleh derajat
keanggotaan.
keanggotaan
Praktikum Fuzzy Logic - Abdul Aziz, M.Si.

2

PRAKTIKUM 4
Pada command window MATLAB ketikkan:
• D=load (‘fcmdata.dat’)
• plot(D(:,1),D(:,2),'o')
1
0 .9
0 .8
0 .7
0 .6
0 .5

0 .4
0 .3
0 .2
0 .1
0
0

0 .1

0 .2

0 . Praktikum
3
0 .Fuzzy
4
0 .- 5Abdul Aziz,
0 . 6M.Si.
Logic

0 .7

0 .8

0 .9

1

3

• [C,U,F] = fcm(D,2)
Dimana C : koordinat 2 cluster
U: nilai atau derajat keanggotaan setiap data
F : fungsi objektif untuk iterasi terakhir
• maxU = max(U);
• index1 = find(U(1, :) == maxU);
• index2 = find(U(2
find(U(2, :) == maxU);
• line(D(index1,1),D(index1, 2),'linestyle’,'none','marker',
‘x','color',‘r');
• line(D(index2,1), D(index2,2),'linestyle','none','marker',

‘o','color',‘g');
• hold on
• plot(C(1,1),C(1,2),'ko','markersize',15,'LineWidth',2)
• plot(C(2,1),C(2,2),'kx','markersize',15,'LineWidth',2)
• figure(2);
( ) plot(F,’-o’)
(
)
Praktikum Fuzzy Logic - Abdul Aziz, M.Si.

4

1
0 .9
0 .8
0 .7
0 .6
0 .5
0 .4
0 .3

0 .2
0 .1
0
0

0 .1

0 .2

0 .3

0 .4

0 .5

0 .6

Praktikum Fuzzy Logic - Abdul Aziz, M.Si.

0 .7

0 .8

0 .9

1

5

PRAKTIKUM 5
• findcluster(
findcluster('fcmdata.dat
fcmdata.dat
')

Praktikum Fuzzy Logic - Abdul Aziz, M.Si.

6