1
a. Representasi Linear
Pada representasi linear ada 2 keadaan himpunan fuzzy, yaitu:
1.
Pertama, kenaikan himpunan dimulai pada nilai memiliki derajat
keanggotaan nol
(0) bergerak ke kanan menuju ke nilai domain
yang memiliki derajat keanggotaan lebih tinggi (Lothfi A. Zadeh,
1965, h341.).
2.
Kedua, kebalikan dari pertama, yaitu garis lurus ditarik dari nilai
domain dengan derajat keanggotaan tertinggi yang terletak pada
sisi kiri, lalu
bergerak kebawah
ke nilai domain
yang memiliki
derajat keanggotaan lebih rendah.
b. Representasi kurva segitiga
Kurva segitiga pada umumnya merupakan gabungan antara 2 garis linear.
c. Representase kurva trapesium
Kurva trapesium memiliki bentuk
seprti segitiga, dimana terdapat titik
yang memiliki nilai keanggotaan 1.
2.1.3.4 Fuzzy Clustering
Clustering
merupakan pengelompokan data disertai parameternya
kedalam
kelompok –
kelompok,
berdasarkan
dari kesamaan sifat dari
masing-masing data tersebut. Fuzzy
C-Means
merupakan salah satu
algoritma dipergunakan dalam clustering
data. Pengertian Fuzzy
C-
Means itu sendiri adalah teknik peng-cluster-an dimana tiap-tiap titik data
dalam cluster ditentukan oleh derajat keanggotaan itu sendiri.
2.1.3.4.1
Fuzzy C-Means
Konsep dari Fuzzy
C-Means
itu adalah
menentukan
pusat cluster, yang nantinya akan menandai lokasi rata-rata
untuk tiap-tiap cluster yang akan digunakan. Kemudian tiap-tiap
 |