PANDUAN PENGGUNAAN GUI SURVEYKEPUASAN

A. Algoritma Fuzzy C-Means

Algoritma FCM adalah algoritma berulang yang menemukan cluster yang berada di

dalam data dan menggunakan konsep keanggotaan fuzzy (Ghogge. 2014 : 2082). FCM dinilai

baik dalam mendeteksi cluster suatu data. Metode FCM ini menggunakan model

pengelompokkan fuzzy sehingga data dapat menjadi anggota dari semua kelas atau cluster

terbentuk dengan derajat atau tingkat keanggotaan yang berada antara 0 hingga 1 (Nidyashofa

& Istiawan. 2017 : 24).

Fuzzy Clustering disebut juga sebagai soft clustering yaitu elemen data dapat dimiliki

lebih dari satu cluster. Fuzzy Cluster didefinisikan sebagai versi lunak K-Means sehingga

juga disebut sebagai Fuzzy C-Means Clustering, penggabungkan teknik fuzzy dengan teknik

clustering K-means (Selvi & Ashwin. 2016 : 469).

Konsep dasar algoritma FCM adalah menentukan pusat cluster yang akan menandai

lokasi rata-rata untuk setiap cluster-nya. Pada kondisi awal, pusat cluster masih belum akurat

dan setiap data memiliki derajat keanggotaan untuk setiap cluster, dengan cara memperbaiki

pusat cluster dan nilai keanggotaan setiap data secara berulang, sehingga dapat dilihat bahwa

pusat cluster akan bergerak menuju lokasi yang tepat. Perulangan ini berdasarkan pada

minimisasi fungsi objektif yang mengambarkan jarak dari setiap titik data ke pusat setiap

cluster yang terbobot oleh derajat keanggotaan titik data tersebut (Efiyah. 2014 : 14-15).

Algoritma FCM adalah sebagai berikut :

1. Input data yang akan di cluster, berupa matriks X berukuran n × m, dimana n = jumlah

sampel data dan m = jumlah variabel setiap data. x ij = elemen pada matriks dari data

sampel ke – i (i = 1,2,3,…,n ), variabel ke – j ( j = 1,2,3,…,m).

 (2.1)

2. Tetapkan jumlah cluster (c ), pangkat untuk matriks partisi (w) , maksimum iterasi

(MaksIter), error terkecil yang diharapkan (ξ ), fungsi objektif awal (P0=0), iterasi awal

(t=1).

 Jumlah c harus ≥ 2;

 Pangkat w bernilai > 1,0;

3. Bangkitkan bilangan random μik atau derajat keanggotaan, dimana i =1,2,3,…,n ; dan k

=1,2,3,…,c ; sebagai elemen-elemen matriks partisi awal U yang berukuran n × c dimana n

= jumlah sampel data dan c = jumlah cluster.

(2.2)

Elemen-elemen pada matriks partisi awal U n × c harus memenuhi kondisi berikut:

(2.3)

(2.4)

4. Menghitung pusat cluster ke – k : v kj, dengan k = 1,2,3,…,c ; dan j = 1,2,3,…,m; dimana c

= jumlah cluster dan m = atribut setiap data, menggunakan persamaan:

(2.5)
 (2.6)

v kj adalah titik-titik dari pusat setiap cluster.

5. Hitung fungsi objektif pada iterasi ke – t menggunakan persamaan :

(2.7)

6. Hitung perubahan matriks partisi menggunakan persamaan :

(2.8)

7. Cek kondisi berhenti :

a. Jika (|P t−Pt −1|<ξ ) atau ( t > MaksIter ) maka berhenti;

b. Jika tidak, maka t=t +1 dan ulangi mulai dari langkah ke-4 menggunakan μik yang

sudah diperbarui.

(Kemala, dkk. 2019 : 18).

B. Penjelesan Umum GUI SURVEYKEPUASAN

Berikut ini langkah-langkah simulasi dalam menjalankan syntax Matlab Fuzzy C-
Means Tool :
1. Buka aplikasi MATLAB dan pastikan pada layout Current Folder sudah berisi file
syntax MATLAB SURVEYKEPUASAN.m
2. Pilih file SURVEYKEPUASAN.m lau double click pada file tersebut, maka akan
muncul syntax sebagai berikut:

3. Selanjutnya klik tombol run atau bisa juga dengan menekan tombol F5 pada keyboard
Komputer/Laptop
4. Tampilan GUI SURVEYKEPUASAN.m

2 3
6
1

4 7

5 8

Berikut adalah penjelasan fungsi dari GUI SURVEYKEPUASAN.m sebagai berikut :

1. Tombol Pilih Data : Tombol ini berfungsi untuk mengambil file survey tingkat
kepuasan dengan format file excel yang selanjutnya akan di masukan ke dalam
tabel pada Nomor 4;
2. Direktori : Bagian ini berfungsi untuk menampilkan lokasi saat mengambil file
survey tingkat kepuasan sebalum akhirnya data file di masukan ke dalam tabel
Nomor 4;
3. Cluster : Bagian ini secara otomatis diatur untuk menampilkan angka 2 dengan
arti bahwa file akan diolah menggunakan metode Fuzzy C-Means dengan
menggunakan 2 Cluster;
4. Tabel Data : Tabel ini berisi data survey yang akan di olah;
 5. Tombol Hitung : Tombol ini berfungsi untuk melakukan proses perhitungan
setelah data di masukan ke dalam tabel menggunakan metode Fuzzy C-Means;
6. Hasil : Bagian ini akan menampilkan tingkat persentase 0-100 % mengenai data,
apakah lebih banyak di cluster 1 (C1) atau cluster 2 (C2);
7. Tabel Hasil : Tabel ini menampilkan hasil data yang telah di-cluster di C1 atau
C2;
8. Tombol Hapus : Tombol ini berfungsi untuk menghapus semua input/data yang
telah diisikan sebelumnya di GUI SURVEYKEPUASAN.
5. Cara menggunakan :
a. Click tombol “Pilih Data”

b. Pilih Data yang akan diinput

 c. Tekan tombol “Hitung”, maka akan muncul hasil cluster

d. Untuk melakukan pengimputan data lainnya, maka tekan tombol “Hapus” terlebih
dahulu untuk menghapus data sebelum digunakan kembali

C. Contoh Implementasi Pada Sebuah Data Survey Pelabuhan

Berikut Contohnya:
1. Buka syntax SURVEYKEPUASAN.m
2. Run atau tekan tombol F5 untuk menjalankan GUI

3. Klik tombol “Pilih Data”

4. Tekan tombol “Hitung”

5. Maka akan muncul hasil Cluster survey