Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir
Abstrak: Nilai akhir mahasiswa
dapat ditentukan dengan berbagai cara, beberapa diantaranya menggunakan range
nilai, standart deviasi, dll. Dalam penelitian ini akan ditawarkan sebuah
metode baru untuk menentukan nilai akhir mahasiswa menggunakan clustering dalam
hal ini adalah Fuzzy C-Means.
Fuzzy C-Means digunakan untuk mengelompokkan sejumlah data dalam beberapa
cluster. Tiap data memiliki derajat keanggotaan pada masing-masing cluster
antara 0-1 yang diukur melalui fungsi objektif. Pada Fuzzy C-Means ini fungsi
objektif diminimumkan menggunakan iterasi yang biasanya terjebak dalam optimum
lokal. Algoritma genetika diharapkan dapat menangani masalah tersebut karena
algoritma genetika berbasis evolusi yaitu dapat mencari individu terbaik melalui
operasi genetika (seleksi, crossover, mutasi) dan dievaluasi berdasarkan nilai
fitness.
Penelitian ini bertujuan untuk mengoptimasi titik pusat cluster pada
Fuzzy C-Means menggunakan algoritma genetika. Hasilnya, bahwa dengan
menggunakan GFS didapatkan fungsi objektif yang lebih kecil daripada
menggunakan FCM, walaupun membutuhkan waktu yang relative besar. Meskipun
selisih antara FCM dan GFS tidak terlalu besar namun hal tersebut berpengaruh
pada anggota cluster
Penulis: Putri Elfa Mas`udia,
Retantyo Wardoyo
Kode Jurnal: jptinformatikadd120207
