1
titik data yang digunakan memiliki derajat keanggotaan untuk
tiap-tiap cluster. Dengan dilakukan perbaikan pusat cluster dan
derajat keanggotaan tiap-tiap titik data secara berulang, nantinya
akan didapatkan pusat cluster yang bergerak menuju lokasi yang
tepat. Output dari Fuzzy C-Means itu sendiri merupakan deretan
pusat cluster dan juga beberapa derajat keanggotaan untuk tiap-
tiap titik data tersebut (Bezdek,J.C., 1980, h1-8).
Algoritma Fuzzy
C-Means
itu sendiri dikenalkan pada
paper "FCM: The Fuzzy
c-Means Clustering Algoritm" oleh
James C Bezdek, Robert Ehrlich, William Full. Adapun Algoritma
Fuzzy C-Means itu sendiri yaitu:
1.
Input data yang akan di-cluster
X, berupa matriks berukuran
n x m, dimana:
n = jumlah sampel data.
m
=
atribut setiap data.
Xij
=
data sample ke-i( i=1,2,…,n), atribut ke-
j(j=1,2,…,m).
2.
Tentukan:
Jumlah dari cluster = c;
Pangkat = w;
Maksimum literasi = MaxIter;
Error yang diharapkan =
;
Fungsi Obyektif awal= P0 =0;
Literasi awal = t = 1;
3.
Kemudian gunakan
nilai acak µik, i=1,2,…,n; k=1,2,…,c;
sebagai elemen-elemen matriks partisi awal u. µik adalah derajat
keanggotaan yang nantinya akan menunjukan
pada kemungkinan
suatu data menjadi anggota ke dalam suatu cluster tersebut. Posisi
 |