FUZZY CLUSTERING
FUZZY CLUSTERING
• Clustering yaitu menentukan titik-titik pusat merupakan
konsep yang paling mendasar untuk menentukan pola dari konsep yang paling mendasar untuk menentukan pola dari suatu data.
• Fuzzy clustering memberikan pengelompokan data secara
fuzzy partition, yang lebih kuat, lebih luas, dan lebih realitas u y pa t t o , ya g eb uat, eb uas, da eb ea tas dari pada crisp partition.
• Ada 2 metode fuzzy clustering:
1. fuzzy c-means clustering method (fcm)
menggunakan fuzzy c-partitions yang merupakan fuzzy pseudopartition dengan menentukan terlebih dahulu banyaknya titik cluster yang ingin dicari.
2 fuzzy subtractive clustering method
2. fuzzy subtractive clustering method
menggunakan fuzzy equivalence relations yang merupakan regular fuzzy partitions tanpa menentukan terlebih dahulu banyaknya titik cluster yang ingin dicari
1. Fuzzy C-Means Clustering Method
1. Fuzzy C Means Clustering Method
•
Fuzzy C-Means adalah suatu teknik clustering
y
g
(pengelompokan) data dimana keberadaan titik-titik
data dalam suatu cluster ditentukan oleh derajat
keanggotaan
keanggotaan.
•
Penentuan titik cluster dilakukan secara
berulang-ulang hingga diperoleh data yang akurat berdasarkan
ulang hingga diperoleh data yang akurat berdasarkan
derajat keanggotaannya.
•
Perulangan ini didasarkan pada minimalisasi fungsi
obyektif yang menggambarkan jarak dari titik data ke
pusat cluster yang terbobot oleh derajat
keanggotaan
keanggotaan.
PRAKTIKUM 4
PRAKTIKUM 4
Pada command window MATLAB ketikkan:
• D=load (‘fcmdata.dat’) • plot(D(:,1),D(:,2),'o')
1
0 . 7 0 . 8 0 . 9
0 4 0 . 5 0 . 6
0 . 2 0 . 3 0 . 4
• [C,U,F] = fcm(D,2)
Dimana C : koordinat 2 cluster Dimana C : koordinat 2 cluster
U: nilai atau derajat keanggotaan setiap data F : fungsi objektif untuk iterasi terakhir
• maxU = max(U);
• index1 = find(U(1, :) == maxU); • index2 = find(U(2 :) == maxU); • index2 = find(U(2, :) == maxU);
• line(D(index1,1),D(index1, 2),'linestyle’,'none','marker',
‘x','color',‘r');
• line(D(index2,1), D(index2,2),'linestyle','none','marker',
‘o','color',‘g');
• hold on
• plot(C(1,1),C(1,2),'ko','markersize',15,'LineWidth',2) • plot(C(2,1),C(2,2),'kx','markersize',15,'LineWidth',2)
( ) ( )
• figure(2); plot(F,’-o’)
0 . 8 0 . 9 1
0 4 0 . 5 0 . 6 0 . 7
0 . 1 0 . 2 0 . 3 0 . 4
0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 1