Fuzzy C Means Clustering

Clustering adalah bahasan cukup sering kita dengar pada teknik data minning.bisa kita gunakan, mulai dari algoritma kmeans clustering,

clustering, kohonen (versi LVQ unsupervisi)hanya 2 paramater saja karena bila diplotkan kedalam sumbu x dan

datanya!. Data berikut merupakan sebaran nilai dari 2 paramater

Fuzzy C Means ClusteringOleh : www.softscients.web.id

sering kita dengar pada teknik data minning. Ada banyak teknik yangalgoritma kmeans clustering, k-nearest neighbor, ataupun fuzzy c

, kohonen (versi LVQ unsupervisi). Contoh kasus yang mudah digunakan yaitu bila melibatkanhanya 2 paramater saja karena bila diplotkan kedalam sumbu x dan y akan cukup mudah dilihat sebaran

Data berikut merupakan sebaran nilai dari 2 paramater

Ada banyak teknik yangnearest neighbor, ataupun fuzzy c -means

. Contoh kasus yang mudah digunakan yaitu bila melibatkany akan cukup mudah dilihat sebaran

Bila kita plotkan menjadi berikut

Hal menarik dari distribusi data diatas adalah terjadinya pengelompokan data, untuk itu kita bisamenggunakan algoritma kmeans clustering,

Penulis menggunakan fuzzy c-means clustering untuk menentukan center tiap kelompok data.bisa membaca tutorial di https://edrianhadinata.wordpress.com/2013/12/19/metodealgoritma-fuzzy-cmeans/.

Penulis mengimplementasikan nya menggunakan bahasa C#

double[,] data = new double{10,8},{4,5},{2,3},{9,7},{0,1}

};int data_n = data.GetLengthint in_n = data.GetLength(1);

menarik dari distribusi data diatas adalah terjadinya pengelompokan data, untuk itu kita bisamenggunakan algoritma kmeans clustering, k-nearest neighbor, ataupun fuzzy c -means clustering.

means clustering untuk menentukan center tiap kelompok data.https://edrianhadinata.wordpress.com/2013/12/19/metode

entasikan nya menggunakan bahasa C# , kamu bisa melihat potongan kode berikut

double[,] {

GetLength(0); //jumlah data); //jumlah paramater

menarik dari distribusi data diatas adalah terjadinya pengelompokan data, untuk itu kita bisameans clustering.

means clustering untuk menentukan center tiap kelompok data. Kamuhttps://edrianhadinata.wordpress.com/2013/12/19/metode -clustering-

, kamu bisa melihat potongan kode berikut

int cluster_n = 2; //jumlah clusterint max_iterasi = 10;double min_impro = 0.0001;int expo = 2; //sering disebut bobot//sebagai nilai keanggotaan awaldouble [,] U = new double[,] {

{0.3000, 0.6000, 0.7000, 0.4000,0.8000},{0.7000, 0.4000, 0.3000, 0.6000, 0.2000}

};FCM fcm = new FCM();fcm.Hitung(data, U, cluster_n,expo, min_impro,max_iterasi);double[,] UNew = fcm.UNew;double[,] center = fcm.Center;int[] kelas = fcm.Kelas;Program.Cetak("Center ",center);Program.Cetak("U Baru ",UNew);Program.Cetak("Kelas ",kelas);

Menghasilkan

Center1.751 2.759.349 7.428U Baru0.008 0.773 0.998 0.004 0.9550.992 0.227 0.002 0.996 0.045Kelas1 0 0 1 0

Agar lebih informatif, penulis tulis kan saja dalam bentuk tabel di excel

Kita plotkan menjadi berikut

Fuzzy c-means clustering dapat digunakan untuk melakukan pengelompokan data

lebih informatif, penulis tulis kan saja dalam bentuk tabel di excel

means clustering dapat digunakan untuk melakukan pengelompokan data – klustering.klustering.