Fuzzy C-Means

Fuzzy C-means Clustering (FCM), atau dikenal juga sebagai Fuzzy ISODATA, merupakan salah satu metode clustering yang merupakan bagian dari metode Hard K-Means. FCM menggunakan model pengelompokan fuzzy sehingga data dapat menjadi anggota dari semua kelas atau cluster terbentuk dengan derajat atau tingkat keanggotaan yang berbeda antara 0 hingga 1. Tingkat keberadaan data dalam suatu kelas atau cluster ditentukan oleh derajat keanggotaannya. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 1981. Konsep dasar FCM, pertama kali adalah menentukan pusat cluster yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Pada kondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap data

memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbaiki pusat cluster dan nilai keanggotaan tiap-tiap data secara berulang, maka dapat dilihat bahwa pusat cluster akan menujui lokasi yang tepat. Perulangan ini didasarkan pada minimasi fungsi obyektif (Gelley, 2000).

Algoritma FCM secara lengkap diberikan sebagai berikut (Zimmerman, 1991); (Yan, 1994); (Ross,

2005) :

1. Tentukan :

a) Matriks X berukuran n x m, dengan n = jumlah data yang akan di cluster; dan m = jumlah variabel (kriteria).

b) Jumlah cluster yang akan dibentuk (C ≥ 2)

c) Pangkat (pembobot w > 1 )

d) Maksimum iterasi

e) Kriteria penghentian ( ε = nilai positif yang sangat kecil)

2. Bentuk matriks partisi awal U (derajat keanggotaan dalam cluster); matriks partisi awal biasanya dibuat secara acak

3. Hitung pusat cluster V untuk setiap cluster

4. Perbaiki derajat keanggotaan setiap data pada setiap cluster (perbaiki matriks partisi)

5. Tentukan kriteria penghentian iterasi, yaitu perubahan matriks partisi pada iterasi sekarang dan iterasi sebelumnya

Dikutip dan ringkas dari :Seminar Nasional Teknologi 2007 (SNT 2007) ISSN : 1978 – 9777

Yogyakarta, 24 November 2007