Analisis dan Implementasi Hyperspherical Fuzzy C-Means untuk Klasterisasi Data yang Multi-Label

Eggi Farkhan Tsani

Informasi Umum

Kode

113081097

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Rekayasa Perangkat Lunak

Dilihat

14 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Data mining adalah proses pencarian fakta-fakta dari pola yang dihasilkan oleh data dalam suatu basis data. Dalam data mining, terdapat beberapa metode untuk menyelesaikan masalah, antara lain klasifikasi, clustering, association rule, regresi, sequential pattern dan lain-lain. Pada Tugas Akhir ini dibahas mengenai salah satu metode dalam data mining yaitu Clustering dengan menggunakan fuzzy untuk menentukan derajat keanggotaan suatu data tersebut. Clustering merupakan proses pengelompokan data ke dalam kelas-kelas atau cluster-cluster sehingga data dalam suatu cluster memiliki tingkat kesamaan yang tinggi satu dengan yang lainnya tetapi berbeda dengan data dalam cluster lain. Clustering dapat dibedakan menjadi 2 kategori yaitu Hierarchial Clustering dan Partitional Clustering. Pada Tugas Akhir ini, digunakan salah satu algoritma Partitional Clustering, suatu algoritma yang mengelompokkan data sejumlah k cluster berdasarkan inputan user yaitu Fuzzy C-Means dan Hyperspherical Fuzzy C-Means. Algoritma Fuzzy C-Means dan Hyperspherical Fuzzy C-Means merupakan algoritma dalam fuzzy clustering. Berdasarkan sifat dari fuzzy clustering tersebut, kedua algoritma ini memungkinkan suatu data untuk menjadi anggota lebih dari satu cluster. Oleh karena itu, algoritma ini digunakan untuk memecahkan masalah data yang multi-label, dimana data multi-label juga memungkinkan satu data termasuk ke dalam lebih dari satu label.Kata Kunci : data mining, fuzzy clustering, multi-labelABSTRACT: Data mining is a process to find facts from data pattern on a database. In data mining, there are some methods to solve the problems, which are classification, clustering, association rule, regression, sequential pattern and many more. This final project explains about clustering which is one of many methods in data mining that using fuzzy to determine membership degree of data. Clustering is a the process of grouping data into classes or clusters so that data in same cluster has a high degree of similaraty with others but has differences from data in other clusters. Clustering can be divided into two categories which are Hierarchial Clustering and Partitional Clustering. In this final project, we used two algorithm of Partitional Clustering, that algorithms can group data in a number of k cluster based on user input, they are Fuzzy C-Means and Hyperspherical Fuzzy C-Means. Fuzzy C-Means and Hyperspherical Fuzzy C-Means are algorithm in fuzzy clustering. Fuzzy clustering has properties that can grouping data into more than one cluster. Based on that fuzzy clustering’s property, this algorithm are used to solve the problem of multi-label data which enable one data can be include into more than one label.Keyword: data mining, fuzzy clustering, multi-label