Fuzzy C-means

FCM
 Fuzzy C-means
• Fuzzy C-Means (FCM) adalah suatu teknik pengelompokan data yang keberadaan tiap-tiap
data dalam suatu kelompok ditentukan oleh nilai atau derajat keanggotaan tertentu dan
teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 1981.
• Fuzzy C-Means menerapkan pengelompokan fuzzy, dimana setiap data dapat menjadi
anggota dari beberapa cluster dengan derajat keanggotaan yang berbeda-beda pada setiap
cluster.
• Fuzzy C-Means merupakan algoritma iteratif, yang menerapkan iterasi pada proses clustering
data.
• Tujuan dari Fuzzy C-Means adalah untuk mendapatkan pusat cluster yang nantinya akan
digunakan untuk mengetahui data yang masuk ke dalam sebuah cluster.
 Fuzzy C-means
• Untuk mengaplikasikanya dalam beberapa kasus Fuzzy C-means Cluster
• langkah pertama dibuat terlebih dahulu jumlah kelas yang akan dijadikan basis
klasifikasi.
• Kemudian dilakukan iterasi sampai mendapatkan keanggotaan kelompok tersebut.
• Langkah-langkah ini menghasilkan perhitungan yang halus (smoth) karena
pembobotan digunakan berdasarkan himpunan fuzzy.
 Validitas Fuzzy Clustering
1. Fuzzy Silhouette Index
2. Partition Entropy (PE), Nilai PE indek (PEI) mengevaluasi keteracakan data dalam cluster.
Nilainya dalam rentang [0, 1] nilai yang semakin kecil (mendekati 0) mempunyai arti bahwa
kualitas cluster yang didapat semakin baik.
3. Partition Coefficient (PC), akan mengevaluasi nilai derajat keanggotaan, tanpa memandang
nilai vector (data) yang biasanya mengandung informasi geometric (sebaran data).
Rentangan Nilainya adalah [0, 1], semakin besar (mendekati 1), mempunyai arti bahwa
kualitas cluster yang didapat semakin baik.
4. Kedua matrik PCI dan PEI memiliki kecenderungan tidak variasi terhadap K. Modifikasi
nilai PCI (MPCI) untuk mengurangi kecenderungan ketidak variasian tersebut. Nilai MPCI
yang didapat adalah 0 ≤ MPCI ≤ 1.
 Referensi
• http://mtkmudahbanar.blogspot.com/2016/08/metode-clustering-k-means-
dan-fuzzy-c.html
• Amin Wahyono, Tesis :Klastering Siswa Sekolah Menengah Kejuruan
(Smk) Menggunakan Metode Fuzzy C-means, ITS