88
Algoritma
FCM
mencoba
untuk
membagi kumpulan elemen
X={
, ,
...
,
}
kedalam
koleksi
c
fuzzy
cluster berkenaan dengan
criteria
yang
diberikan.
Diberikan
set
data
yang
terbatas,
algoritma
mengembalikan
pusat
c
cluster
V
dimana
V =
,
i
=1, 2, ... , c
dan matriks partisi U :
U =
,
i
=1, ..., c, j =1,..., n
dimana
adalah
nilai
numeric dalam
[0,1]
yang
memberitahukan
tingkatan
kemana
masuk ke dalam cluster ke-i.
Algoritma
FCM
menurut
Sri
Kusuma
Dewi
dan
Hari
Purnomo
(2004,p84-85)
diberikan sebagai berikut :
1.
Input data
yang akan di-cluster X, berupa
matriks
yang berukuran
n
x
m
(n
=
jumlah
sample
data
,
m
=
atribut
setiap
data).
X
ij
=
data
sample ke -i (i = 1,2, ... , n), atribut ke -j (j = 1,2, ... , m).
2.
Tentukan
jumlah
cluster
(c),
pangkat (w),
maksimum
iterasi
(MaxIter), error terkecil
yang diharapkan (?),
fungsi objektif awal (P
0
= 0), dan iterasi awal (t = 1).
3.
Bangkitkan
bilangan
random
µ
ik
,
i
=
1,2,
…
,
n;
k
=
1,2,
…
,
c;
sebagai elemen – elemen
matriks partisi awal U.
Hitung jumlah setiap
kolom (atribut) :
Qj = ( ? dari k = 1 hingga c) µ
ik
,
dengan j= 1,2,…,m.
Hitung:
µ
ik
= µ
ik
/
Q
j
 |