Penerapan Grafitational Search Algorithm Untuk Optimasi Klasterisasi Fuzzy C-Means

Penulis:

Abstraksi: 
Abstrak. Klasterisasi merupakan masalah penting yang merupakan subjek penelitian aktif dalam beberapa aplikasi dunia nyata. Klasterisasi fuzzy memungkinkan keanggotaam titik data memiliki lebih dari satu keanggotaan klaster pada saat yang bersamaan. Algoritma fuzzy c-means (FCM) merupakan salah satu teknik pengelompokan fuzzy yang paling populer karena efisien, memiliki karakteristik yang kuat untuk ambiguitas dan mudah untuk diimplementasikan. Namun, pencarian klaster yang optimal didasarkan pada fungsi objektif sehingga mudah terjebak ke dalam suatu kondisi dimana nilai yang dihasilkan bukan nilai terendah dari himpunan solusi atau disebut local minimum. Gravitational search algorithm (GSA) merupakan salah satu metode heuristik yang efektif untuk menemukan solusi optimal terdekat. GSA terinspirasi oleh gaya gravitasi Newton dimana posisi partikel yang memiliki massa mempresentasikan solusi permasalahan. GSA digabungkan ke FCM mampu menemukan pusat klaster yang optimal dengan meminimalkan fungsi objektif pada FCM. Algoritma gravitational search algorithm fuzzy c-means (GSA-FCM) diuji pada data set iris, wine, glass, contraceptive method choice, seeds dan permufe data. Hasil penelitian menunjukkan bahwa metode yang diusulkan dapat lebih mengoptimalkan fungsi objektif daripada algoritma fuzzy c-means. Evaluasi tingkat keakuratan klaster menggunakan partition coefficient, classification entropy dan xie-beni index juga membuktikan bahwa algoritma yang diusulkan menghasilkan kualitas klaster yang lebih optimal dibandingkan dengan algoritma FCM Kata kunci : klasterisasi fuzzy, Fuzzy c-means, gravitational search algorithm