Pengenalan Pola dalam Fuzzy Clustering dengan Pendekatan Algoritma Genetika

Abstract

The classification of data by pattern in a cluster to determine the cluster center based on the equality level measured by distance function. By using genetic operator mechanism, i.e. crossing and population mutation in evolution through the fitness function that directed to the convergence condition. This algorithm can be applied in any optimization function area, its application is fuzzy clustering based objective function. The writer using the Fuzzy C-Means, i.e. clustering algorithm for IPM clustering (Human Development Index) in each Province in Indonesia by classified the provinces into any clusters. In the genetic algorithm approach in solving the fuzzy clustering is conducted by alternative for using the Prototype based algorithm approach, i.e. evolution of cluster center matrix by determining the fitness function ∑∑= = = − c i n k ikik ki vD 1 1 2 Jm(U, )V µ )x( .

Masalah mengelompokkan data dengan suatu pola dalam cluster untuk menentukan pusat cluster berdasarkan derajat kesamaan yang diukur dari fungsi jarak. Dengan menggunakan mekanisme operator genetik yaitu persilangan dan mutasi populasi dievolusikan melalui fungsi fitness yang diarahkan pada kondisi konvergensi. Algoritma ini dapat diterapkan dalam banyak area fungsi-fungsi optimasi, penerapannya adalah fungsi objektif berbasis fuzzy clustering. Penulis menggunakan Fuzzy C-Means yaitu algoritma pengklusteran untuk mengkluster IPM (Indeks Pembangunan Manusia) dari setiap Propinsi di Indonesia dengan membagi Propinsi dalam beberapa cluster. Pada pendekatan algoritma genetika untuk penyelesaian fuzzy clustering ditempuh pilihan untuk menggunakan pendekatan Prototype-based algorithms, yaitu mengevolusikan matrik pusat cluster dengan menentukan fungsi fitness ∑∑= = = − c i n k ikik ki vD 1 1 2 Jm(U, )V µ )x( .