Skripsi
PERBANDINGAN HASIL CLUSTER FUZZY C-MEANS DENGAN HYBRID FUZZY C-MEANS PARTICLE SWARM OPTIMIZATION
Algortima Fuzzy C-Means memberi kebebasan dalam hal jumlah cluster yang akan dibuat dan dapat melakukan clustering lebih dari satu variabel secara sekaligus. Pada kondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap data memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbaiki pusat cluster dan nilai keanggotaan tiap-tiap data secara berulang, maka akan dapat dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. PSO, terdapat sekumpulan individu yang menyatakan solusi yang potensial dalam ruang pencarian. Setiap solusi yang ini akan dievaluasi menggunakan fungsi fitness. Setiap individu memiliki memori terhadap posisi terbaik yang pernah dilalui (Pbest). Solusi terbaik dari seluruh partikel dalam populasi merupakan solusi terbaik global (Gbest). Jumlah data yang digunakan dalam penelitian ini sebanyak 5 dataset yang memiliki beragam atributpada pengujian DBI Fuzzy C-Means iterasi ke -20 merupakan iterasi terbaik sedangkan dalam pengujian DBI Particle Swarm Optimization jumlah populasi terbaik yaitu populasi 50, jumlah atribut terbaik adalah 18 dengan dataset Diabetes. Hasil kinerja FCM dan FCM-PSO memiliki perbedaan yang terlihat dari nilai rata-rata akurasi yaitu FCM sebanyak 45% sedangkan PSO sebanyak 61% sehingga memiliki kenaikan tingkat akurasi sebanyak 16%.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2307005858 | T71249 | T712492021 | Central Library (Reference) | Available but not for loan - Not for Loan |
No other version available