Analisis Fungsi Algoritma c-means dan Cluster Analysis (variance)

ABSTRAK

Pada sistem fuzzy, membangkitkan fungsi keanggotaan fuzzy merupakan bagian yang
berperanan

penting

dalam

merepresentasikan

masalah.

Sedangkan

untuk

membangkitkan fungsi keanggotaan fuzzy otomatis sudah dilakukan penelitian
terdahulu dengan menggunakan beberapa metode pendekatan namun masih terdapat
kelemahan yaitu tidak bisa dipastikan jumlah cluster yang ideal. Untuk itu maka pada
penelitian ini dilakukan membangkitkan fungsi keanggotaan fuzzy secara otomatis

dengan menggunakan nilai variance di dalam algoritma dan juga meningkatkan nilai
pangkat keanggotaan agar cluster yang di dapatkan lebih ideal. Dan hasilnya dengan
menggunakan nilai variance minimum di Fuzzy C-Means dengan nilai pangkat di
naikkan yaitu di nilai tiga hasilnya didapatkan cluter ideal dengan penyebaran data
yang lebih merata dan jumlah iterasi yang lebih singkat.
Kata kunci : fungsi keanggotaan fuzzy, variance, algoritmagenetika.

Universitas Sumatera Utara

FUZZY FUNCTION ANALYSIS C-MEANS AND
CLUSTER ANALYSIS (VARIANCE)

ABSTRACT

Generating membership function fuzzy for Fuzzy system is the important to
representative of the problem. Where us in generate the function fuzzy part automicly
had been done by research using a few nearly methods but still find weakness in it that
is can not be sure the etactly cluster. Because function of fuzzy parts automicly by
using the variance values in algorithm and also to increase the value of the high
cluster so it abtained more ideal. And the result by using the minimum variace values.

In fuzzy c-means with ivereased values of the rank of the value of three, it is resulting
the ideal cluster with spread more evenly and shorter iteration case.
Keywords: the function of fuzzy parts, variance, algorithmagnectic.

Universitas Sumatera Utara