Analisis Fungsi Algoritma C-Means dan Cluster Analysis (Variance)

Abstract

Generating membership function fuzzy for Fuzzy system is the important to representative of the problem. Where us in generate the function fuzzy part automicly had been done by research using a few nearly methods but still find weakness in it that is can not be sure the etactly cluster. Because function of fuzzy parts automicly by using the variance values in algorithm and also to increase the value of the high cluster so it abtained more ideal. And the result by using the minimum variace values. In fuzzy c-means with ivereased values of the rank of the value of three, it is resulting the ideal cluster with spread more evenly and shorter iteration case.

Pada sistem fuzzy, membangkitkan fungsi keanggotaan fuzzy merupakan bagian yang berperanan penting dalam merepresentasikan masalah. Sedangkan untuk membangkitkan fungsi keanggotaan fuzzy otomatis sudah dilakukan penelitian terdahulu dengan menggunakan beberapa metode pendekatan namun masih terdapat kelemahan yaitu tidak bisa dipastikan jumlah cluster yang ideal. Untuk itu maka pada penelitian ini dilakukan membangkitkan fungsi keanggotaan fuzzy secara otomatis dengan menggunakan nilai variance di dalam algoritma dan juga meningkatkan nilai pangkat keanggotaan agar cluster yang di dapatkan lebih ideal. Dan hasilnya dengan menggunakan nilai variance minimum di Fuzzy C-Means dengan nilai pangkat di naikkan yaitu di nilai tiga hasilnya didapatkan cluter ideal dengan penyebaran data yang lebih merata dan jumlah iterasi yang lebih singkat.