SEMINAR PROPOSAL
BAB 1
PENDAHULUAN
LATAR BELAKANG
MPM Lelang bergerak pada pelelangan motor maupun mobil. Lelang mobil
dan motor dilaksanakan secara rutin setiap bulannya oleh tenaga
profesional, secara transparan dan legalitas terjamin.
MPM lelang melelang berbagai macam jenis dan merk mobil kepada
peserta lelang. Hingga saat ini belum ada metode untuk mengelompokkan
taksiran mobil pada MPM lelang.
Data MPM Lelang berupa daftar lot mobil final meliputi berbagai macam
atribut antara lain Eksterior, Interior dan Mesin yang dapat diolah menjadi
sebuah informasi, sehingga menghasilkan kelompok taksiran mobil.
BAB 2
TINJAUAN PUSTAKA
DATA MINING
Keseluruhan proses non-trivial untuk mencari dan
mengidentifikasi pola dalam data, dimana pola yang
ditemukan bersifat sah (valid), baru (novel), dapat
bermanfaat (potentially usefull), dapat dimengerti
(ultimately understandable).
Fuzzy C-Means
Metode clustering yang merupakan bagian dari metode Hard K-
Means. FCM menggunakan model pengelompokkan fuzzy
sehingga data dapat menjadi anggota dari semua kelas atau
cluster yang terbentuk dengan derajat atau tingkat keanggotaan
yang berbeda antara 0 hingga tingkat keberadaan data dalam
satu cluster ditentukan oleh derajat keanggotaanya.
Tahapan Fuzzy C-Means
1. Input data yang akan di cluster 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:
a. Jumlah Cluster : c;
b. Pangkat : w;
c. Maksimum Iterasi : MaxIter;
d. Error Rate : ɛ;
e. Fungsi Objektif Awal : 𝑃 𝑜= 0;
f. Iterasi Awal : t = 1;
3. Bangkitkan bilangan random µik, i=1,2...n; k=1,2...c; sebagai
elemen-elemen matriks partisi awal U
Dengan j=1,2...n
BAB 3
METODE PENELITIAN
Diagram Alur Penelitian
Mulai
Data Awal
Pengumpulan
Praproses data
Perhitungan Algoritma Fuzzy C-Means
1 0.71 0.03
2 0.45 0.04
3 0.49 0.38
20 0.69 0.20
3. Menentukan pusat cluster pada iterasi awal, pusat cluster
ditentukan dengan persamaan sebagai berukut :
(µi1) = Bilangan random C1
Xi1 = Score eksterior
Xi2 = Score interior
Xi3 = Score mesin
Jika salah satu syarat diatas sudah terpenuhi maka iterasi dihentikan
dan, iterasi terakhir akan digunakan sebagai lanjutan perhitungan dbi.
Davies Bouldin Index (DBI)
1. Untuk mengetahui kohesi dalam sebuah cluster ke-i adalah
dengan menghitung nilai dari Sum of Square Within-cluster (SSW)
dihitung dari persamaan :
( 12.374824 + 14.306409 )
𝑆𝑆𝐵𝑖,𝑗 =
ඥ( 66.956−68.274)^2+(74.156−72.681)^2+(72.112−71.825)^2 )
26.681233
=
ξ 1.737124 + 2.175625 +0.082369
26.681233
=
ξ 3.995118
26.681233
=
1.998779127367504
= 13.3487651
3. Untuk mengetahui nilai perbandingan antara cluster ke-i dan
cluster ke-j dihitung dari persamaan :
𝑆𝑆𝑊𝑖 + 𝑆𝑆𝑊𝑗
𝑅𝑖,𝑗 =
𝑆𝑆𝐵𝑖,𝑗
12.374824 + 14.306409
=
13.3487651
= 1.99877912
4. Untuk mencari nilai Davies-Bouldin Index (DBI) dihitung
dari persamaan :
1 𝑚𝑖
𝐷𝐵𝐼 = 𝑚𝑎𝑥𝑖≠𝑗 (𝑅𝑖.𝑗 )
𝑘 𝑗 =𝑖
(12.374824 +14.306409 )
Dbi =
2
= 13.3487651
UNIVERSITAS MUHAMMADIYAH
JEMBER