FUZZY CLUSTERING MENGGUNAKAN ALGORITHM FIREFLYFUZZY C-MEANS DENGAN JARAK MAHALANOBIS

Joshua Ariel Perkasa(1*), Robert Kurniawan(2)


(1) 
(2) 
(*) Corresponding Author

Abstract


Fuzzy C-Means (FCM) adalah salah satu teknik clustering yang cukup sering digunakan, tetapi memiliki kelemahan yaitu mudah terjebak ke dalam local optima. Hal ini dikarenakan adanya faktor pengambilan pusat cluster yang awalnya random sehingga terjadi inkonsistensi pada saat memulai FCM. Firefly Algorithm (FA) mampu mengatasi ketidak konsistenan dari FCM. Penelitian ini bertujuan untuk melihat performa dari Firely Algorithm Fuzzy C-Means (FAFCM) dengan pendekatan jarak mahalanobis dibandingkan dengan jarak euclidean. Algoritme FAFCM ini dibangun dengan 2 jenis jarak tersebut untuk mengakomodir berbagai jenis persebaran data. FAFCM memiliki performa yang lebih baik dikarenakan sebagian besar nilai iterasi dari FAFCM lebih kecil dari FCM. FAFCM Mahalanobis sendiri menunjukan nilai fungsi objektif paling
minimum untuk jenis data hyperspherical sehingga dapat disimpullkan FAFCM Mahalanobis cocok untuk data hyperspherical.

Kata kunci : Clustering, Fuzzy C-Means, Mahalanobis, Firefly Algorithm Optimization-Fuzzy C-Means.

Full Text:

PDF

Article Metrics

Abstract view : 297 times
PDF - 56 times

DOI: https://doi.org/10.26714/jsunimus.6.2.2018.%25p

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Jurnal Statistika Universitas Muhammadiyah Semarang

Editorial Office:
Department of Statistics
Faculty Of Mathematics And Natural Sciences 
Universitas Muhammadiyah Semarang

Jl. Kedungmundu No. 18 Semarang Indonesia

Published by: 
Department of Statistics Universitas Muhammadiyah Semarang

View My Stats

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.