Pengklusteran secara fuzzy untuk data mikrokomputer

SULASTRI, Drs. Retantyo Wardoyo, MSc.,PhD

2003 | Tesis | S2 Ilmu Komputer

Tujuan utama analisis cluster adalah mengelompokkan obyek-obyek berdasarkan kesamaan karakteristik diantara obyek-obyek tersebut. Obyek dapat tumbuhan, orang dan Iain-lain. Obyek tersebut akan diklasifikasikan ke dalam satu atau lebih cluster (kelompok) sehingga obyekobyek yang berada dalam satu cluster akan mempunyai kemiripan satu dengan yang lam. ® Tujuan dari penelitian ini adalah bagaimana menggunakan konsep fuzzy untuk mengelompokkan atau mengkluster data di mana data yang dikelompokkan merupakan data simbolik. Data simbolik yang digunakan adalah data mikrokomputer yang meliputi data Display. RAM, ROM, MP dan Keyboard. Untuk mengkluster data simbolik maka hams menghitung dahulu nilai dissimilmtasnya, yang sebelumnya hams dihitung dahulu jarak antar obyek sesuai dengan Jems datanya. Dari dissimiliritas ini kemudian dicari clustemya dengan menggunakan fuzzy c-mean yang sudah dimodifikasi. Hasil percobaan dengan berbagai nilai cluster c=2,3,..,7 dan nilai konstanta m 1.1, dapat dikatakan bahwa keanggotaan tiap cluster cukup stabil, pembahan anggota cluster karena penambahan cluster cendemng mempakan pemecahan satu cluster atau penggabungan beberapa cluster. Hasil percobaan dengan nilai cluster tetap c=5 dan beberapa nilai m>l anggota cluster tidak bembah artinya anggota tiap cluster hampir sama untuk tiap nilai m. Hasil percobaan dengan memisah antara data kualitatif dan kuantitatif, temyata hasil pengklusteran cukup valid. Kata kunci: analisis cluster, clustering, data simbolik, dissimiliritas.

The main purpose of cluster analysis is classifying the objects on the same characteristics among the above object. The object itself may be in form pf goods service, animals, trees, people and other. The object will be classified into one or more clusters, so that the objects which locate in one cluster will have similarities among other. The aim of this research is appljdng the concept of fiizzy to classify or cluster symbolic data. In order to cluster the symbolic data, dissimilarity values have to be determined by computing the distance between objects based on their data types. To apply these concepts, symbolic data of microcomputer data aare used. The data includes Display, RAM, ROM, MP and Keyboard. From these dissimiliraties, their clusters are determined using modified fuz2y c—ipjean. The results from the experiment using various cluster and constanta m, shows that the membersWp of the cluster is stable enough. The changes of cluster members caused by addition member of clusters tend to be a splitting of a cluster or a joing several clusters. The results from the experiment using the amount of cluster c=5 and various constanta m > 1, shows that the cluster members are not affected. The results from the experiment by dividing between qualitative and quantitative data shows that the result of clustering is valid. Keywords : cluster analysis, fuzzy clustering, symbolic data, dissimilirity

Kata Kunci : Komputer,Data Mikrokomputer,Klustering