Analisis Kinerja Algoritma Subtractive Clustering dalam Menentukan Jumlah dan Posisi Pusat Cluster

Abstract

Pada algoritma subtractive clustering, penentuan anggota cluster berdasarkan derajat keanggotaan yang dimiliki setiap data pada setiap pusat cluster. Pada algoritma subtractive clustering tidak ditentukan jumlah cluster yang terbentuk. Jumlah dan posisi pusat cluster yang terbentuk dipengaruhi oleh keragaman data. Selain itu juga dipengaruhi oleh nilai parameter radius , squash factor , accept ratio ̅ dan reject ratio . Jumlah dan posisi pusat cluster yang terbentuk pada algoritma subtractive clustering dipengaruhi oleh nilai parameter radius . Untuk mendapatkan clustering data yang optimal perlu diketahui nilai parameter radius yang tepat. Pada penelitian ini menggunakan metode partisi clustering sebagai nilai parameter untuk menentukan suatu titik data (calon pusat cluster) akan dipilih atau tidak sebagai pusat cluster, sehingga dapat diketahui pengaruh nilai parameter radius pada algoritma subtractive clustering dalam menghasilkan clustering. Hasil penelitian menunjukkan bahwa nilai parameter radius tidak berpengaruh secara signifikan atau belum sepenuhnya menjamin dapat meningkatkan nilai rata-rata fuzzy silhouette, hal tersebut disebabkan pada algoritma subtractive clustering penentuan titik pusat cluster dipengaruhi oleh empat nilai parameter yaitu nilai parameter radius (r), squash factor (q), accept ratio (E) dan reject ratio (E).

In the subtractive clustering algorithm, the determination of cluster members is based on the degree of membership that each data has at each cluster center. The subtractive clustering algorithm does not determine the number of clusters formed. The number and position of the cluster center formed is influenced by the diversity of data. In addition, it is also influenced by the parameter values of radius (r), squash factor (q), accept ratio (ε ̅) and reject ratio (ε). The number and position of the cluster center formed in the subtractive clustering algorithm is influenced by the value of the parameter radius (r). To obtain optimal data clustering, it is necessary to know the correct value of the radius (r) parameter. In this study, the partition clustering method is used as a parameter value to determine whether a data point (prospective cluster center) will be selected or not as a cluster center, so that it can be seen the effect of the radius (r) parameter value on the subtractive clustering algorithm in generating clustering. The results showed that the value of the radius (r) parameter did not have a significant effect or was not fully guaranteed to increase the average value of the fuzzy silhouette, this was because the subtractive clustering algorithm determined the cluster center point was influenced by four parameter values, namely the radius (r) parameter value , squash factor (q), accept ratio (ε ̅) and reject ratio (ε).