FUZZY C-MEANS (FCM)

ALGORITMA FUZZY C-MEANS (1)

1.Input data yang akan diklaster X, berupa matriks
berukuran n x m (n = jumlah sample data, m = atribut
setiap data). Xij = data sampel ke-i (i = 1,2,…,n), atribut
ke-j (j = 1,2,…,m).
Contoh :
X=
Jumlah dokumen

Jumlah kata
ALGORITMA FUZZY C-MEANS (2)
2. Tentukan:
 Jumlah klaster = c;
 Pangkat/Derajat kefuzzy-an = w;
 Maksimum iterasi = MaxIter;
 Error terkecil yg diharapkan = ξ;
 Fungsi objektif awal = P0 = 0;
 Iterasi awal = t = 1;
ALGORITMA FUZZY C-MEANS (3)
3.Bangkitkan bilangan random μik, i = 1,2,…,n;
k = 1,2,…,c; sebagai elemen-elemen matriks partisi awal
U. Hitung jumlah setiap kolom (atribut):

Dengan i=1,2,…,n.

Jumlah dokumen
Hitung:
 

Jumlah klaster
ALGORITMA FUZZY C-MEANS (4)
4.Hitung pusat klaster ke-k: Vkj, dengan
k = 1,2,…,c; dan j = 1,2,…,m.

Jumlah klaster
Jumlah kata

5.Hitung fungsi obyektif pada iterasi ke-t, Pt:

ALGORITMA FUZZY C-MEANS (5)
6.Hitung perubahan matriks partisi:

7. Cek kondisi berhenti:

Jika: ( | Pt – Pt-1 | < ξ ) atau ( t > MaxIter) maka berhenti;
Jika tidak: t = t+1, ulangi langkah ke-4.
DESKRIPSI SISTEM
 Sediakan menu pengujian (yang nantinya digunakan saat
presentasi)
 Input sistem : xls

 Output sistem : KBK

 Yang harus ditampilkan dari hasil pembangunan sistem :

 Derajat keanggotaan pada ketiga klaster

 Label tiap klaster

 Matriks pusat klaster

 Term yang dipilih sebagai input sistem