Scribd Logo
Unggah

Selamat datang di Scribd!

  • 23 tayangan

    FCM 1

    Diunggah oleh

    Yoga Nurwansyah
    Metode Fuzzy C Means Clustering (FCM) digunakan untuk mengelompokkan data berdasarkan derajat keanggotaannya pada setiap kluster, di mana setiap data dapat memiliki derajat keanggotaan pada beberapa kluster. Algoritma FCM menghitung pusat kluster secara iteratif untuk memperbaiki derajat keanggotaan setiap data sampai konvergen.

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PDF, TXT atau baca online dari Scribd

    FCM 1

    Diunggah oleh

    Yoga Nurwansyah
    23 tayangan9 halaman
    Metode Fuzzy C Means Clustering (FCM) digunakan untuk mengelompokkan data berdasarkan derajat keanggotaannya pada setiap kluster, di mana setiap data dapat memiliki derajat keanggotaan pada beberapa kluster. Algoritma FCM menghitung pusat kluster secara iteratif untuk memperbaiki derajat keanggotaan setiap data sampai konvergen.

    Hak Cipta

    © © All Rights Reserved

    Format Tersedia

    PDF, TXT atau baca online dari Scribd

    Apakah menurut Anda dokumen ini bermanfaat?

    Apakah konten ini tidak pantas?

    Metode Fuzzy C Means Clustering (FCM) digunakan untuk mengelompokkan data berdasarkan derajat keanggotaannya pada setiap kluster, di mana setiap data dapat memiliki derajat keanggotaan pada beberapa kluster. Algoritma FCM menghitung pusat kluster secara iteratif untuk memperbaiki derajat keanggotaan setiap data sampai konvergen.

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PDF, TXT atau baca online dari Scribd
    Unduh sebagai pdf atau txt
    23 tayangan9 halaman

    FCM 1

    Diunggah oleh

    Yoga Nurwansyah
    Metode Fuzzy C Means Clustering (FCM) digunakan untuk mengelompokkan data berdasarkan derajat keanggotaannya pada setiap kluster, di mana setiap data dapat memiliki derajat keanggotaan pada beberapa kluster. Algoritma FCM menghitung pusat kluster secara iteratif untuk memperbaiki derajat keanggotaan setiap data sampai konvergen.

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PDF, TXT atau baca online dari Scribd
    Unduh sebagai pdf atau txt
    Anda di halaman 1dari 9

    Fuzzy C Means Clustering

    Elisa Usada

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    Fuzzy C Means Clustering

    Clustering :
    Pengelompokan data, dapat dilakukan dengan berbagai metode
    komputasi (algoritma), salah satunya metode yang berdasarkan teori
    himpunan Fuzzy.

    Salah satu metode clustering berdasarkan teori himpunan Fuzzy


    adalah Fuzzy C Means Clustering atau lebih dikenal sebagai FCM.

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    Fuzzy C Means Clustering

    Fuzzy C-Means Clustering (FCM)


    Pertama kali diperkenalkan oleh Jim Bezdek (1981)
    Keberadaan tiap titik data dalam suatu cluster ditentukan oleh
    derajat keanggotaan dari data tersebut.

    Konsep dasar FCM


    Pertama-tama menentukan pusat cluster,
    Pusat cluster akan menandai perkiraan lokasi untuk tiap cluster.
    Pada tahap iterasi awal, pusat cluster ini masih belum akurat.
    Iterasi-iterasi berikutnya dilakukan untuk memperbaiki pusat cluster
    agar lebih akurat dan memperbaiki derajat keanggotaan tiap titik
    data.

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    Fuzzy C Means Clustering

    Contoh Clustering dengan MATLAB

    Bulatan berwarna hijau, biru dan


    merah merupakan contoh titik data.

    Perhatikan titik-titik data membentuk


    kelompok (cluster) dengan pusat
    cluster masing-masing.

    Clustering biasanya dilakukan dengan


    bantuan komputasi, gambar disamping
    adalah contoh proses clustering
    menggunakan MATLAB

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    Fuzzy C Means Clustering

    Contoh Clustering dengan MATLAB

    Clustering dengan Matlab dapat dilakukan menggunakan perintah/sintax Bahasa


    pemrograman atau dapat dilakukan melalui Clustering Toolbox.

    Clustering Toolbox dapat diaktifkan dengan mengetikkan perintah findcluster pada


    Command Window.

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    Fuzzy C Means Clustering

    Algoritma FCM
    1. Input data yang akan dicluster X, berupa matriks berukuran n x m
    n = jumlah sampel data; m = atribut setiap data, xij = data sampel ke-
    i (i = 1,2,…, n), atribut ke-j (j=1,2,…,m).
    2. Tentukan:
    Jumlah cluster = c;
    Pangkat = w;
    Maksimum iterasi = MaxIter;
    Error terkecil yg diharapkan = e
    Fungsi Objektif awal = P0 = 0
    Iterasi awal = t = 1

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    Fuzzy C Means Clustering

    Algoritma FCM
    3. Bangkitkan bilangan random μik , i= 1, 2,…, n; k = 1,2,…, c
    Sebagai elemen matriks partisi awal U.
    Hitung jumlah setiap kolom (atribut):

    dan Hitung

    4. Hitung pusat data cluster ke-k vkj, dengan k=1,2,…,c dan j=1,2,…,m

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    Fuzzy C Means Clustering

    Algoritma FCM
    5. Hitung fungsi obyektif pada iterasi ke-t, Pt:

    6. Hitung perubahan matriks partisi:

    7. Cek kondisi berhenti:


    Jika |Pt – Pt-1| < e atau t > MaxIter maka berhenti
    Jika tidak maka t= t+1, ulangi step 4

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id
    • Pelajari algoritma FCM di atas kemudian jawablah pertanyaan berikut,
    dengan belajar mandiri yaitu mencari referensi dari berbagai sumber
    (buku, e-book, internet)!
    1. Apa yang dimaksud dengan pangkat w dan fungsi obyektif pada
    step 2?
    2. Apa yang dimaksud dengan matriks partisi U?

    ump.ac.id
    ump.ac.id tekniksains.ump ac_ump teknik@ump.ac.id fts.ump.ac.id

    Anda mungkin juga menyukai