Announcement
Starting on July 4, 2018 the Indonesian Publication Index (IPI) has been acquired by the Ministry of Research Technology and Higher Education (RISTEKDIKTI) called GARUDA Garba Rujukan Digital (http://garuda.ristekdikti.go.id)
For further information email to portalgaruda@gmail.com

Thank you
Logo IPI  
Journal > PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic) > KLASIFIKASI DINAMIS DENGAN MODIFIKASI ALGORITMA FUZZY C-MEANS (FCM)

 

PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)
Vol 1, No 2 (2013): PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)
KLASIFIKASI DINAMIS DENGAN MODIFIKASI ALGORITMA FUZZY C-MEANS (FCM)
Article Info   ABSTRACT
Published date:
29 Nov 2013
 
Aside forecasting, classification is an important process in the data mining field. Nowdays, the classification usually use soft computing algorithms, such as Fuzzy Inference System (FIS), Neural Networks (NNs), and Genetic Algorithms (GAs). Different from K-Means, the fuzzy-based classification is sometimes is said soft clustering. Some dynamic method has been research using K-Means for obtaining the optimal number of cluster. This paper try to implement this method for FCM algoritms because this algorithms run better than K-Means. Similar to Dynamic Clustering using K-Means, for FCM every elements of cluster are counted the distance from the center.Key Workds : Fuzzy C-Means Clustering (FCM), Cluster Quality, Dynamic ClassificationSelain peramalan, klasifikasi merupakan salah satu proses penting dalam bidang data mining. Saat ini klasifikasi banyak dilakukan dengan algoritma-algoritma yang berbasis soft computing seperti fuzzy, jaringan syaraf tiruan (JST) ataupun algoritma genetik. Berbeda dengan K-Means, klasifikasi berbasis fuzzy yang sering disebut fuzzy C-Means (FCM) merupakan klasifikasi halus (soft clustering). Beberapa metode dinamis dengan memodifikasi algoritma K-Means telah banyak dilakukan dan terbukti memiliki hasil yang optimal. Tulisan ini bermaksud menerapkan metode dinamis itu pada algoritma FCM mengingat FCM memiliki keunggulan tertentu dibanding K-Means. Seperti pada K-Means, klasifikasi dinamis pada FCM menunjukkan perbaikan pada nilai intra dan inter dimana nilai-nilai tersebut menunjukkan kedekatan antar elemen tiap kluster dan seberapa jauh jarak pisah antar pusat-pusat kluster.Kata Kunci : Fuzzy C-Means Clustering (FCM), Kualitas Kluster, Klasifikasi Dinamis
Copyrights © 2013