Jurnal: Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir

Abstrak

Nilai akhir mahasiswa dapat ditentukan dengan berbagai cara, beberapa diantaranya menggunakan range nilai, standart deviasi, dll. Dalam penelitian ini akan ditawarkan sebuah metode baru untuk menentukan nilai akhir mahasiswa menggunakan clustering dalam hal ini adalah Fuzzy C-Means. Fuzzy C-Means digunakan untuk mengelompokkan sejumlah data dalam beberapa cluster. Tiap data memiliki derajat keanggotaan pada masing-masing cluster antara 0-1 yang diukur melalui fungsi objektif. Pada Fuzzy C-Means ini fungsi objektif diminimumkan menggunakan iterasi yang biasanya terjebak dalam optimum lokal. Algoritma genetika diharapkan dapat menangani masalah tersebut karena algoritma genetika berbasis evolusi yaitu dapat mencari individu terbaik melalui operasi genetika (seleksi, crossover, mutasi) dan dievaluasi berdasarkan nilai fitness. Penelitian ini bertujuan untuk mengoptimasi titik pusat cluster pada Fuzzy C-Means menggunakan algoritma genetika. Hasilnya, bahwa dengan menggunakan GFS didapatkan fungsi objektif yang lebih kecil daripada menggunakan FCM, walaupun membutuhkan waktu yang relative besar. Meskipun selisih antara FCM dan GFS tidak terlalu besar namun hal tersebut berpengaruh pada anggota cluster.

Kata kunci— clustering, Fuzzy C-Means, algoritma genetika

Pendahuluan

Terdapat berbagai cara untuk menentukan nilai akhir huruf mahasiswa, diantaranya adalah menggunakan skala pasti maupun standar deviasi, Tapi dengan cara yang seperti itu mungkin akan menyulitkan dosen jika terjadi kondisi-kondisi tertentu yang memerlukan pertimbangan dosen, pada sistem ini ditawarkan alternatif baru untuk penilaian dimana dosen diberi kebebasan (hak istimewa) untuk menentukan standart nilai menggunakan metode clustering dalam hal ini menggunakan fuzzy clustering. Cluster adalah sekelompok sesuatu yang mempunyai kesamaan sifat. Fuzzy clustering memainkan peran yang paling penting dalam pencarian struktur dalam data. Metode ini dipilih karena dengan metode ini, bisa ditentukan jumlah cluster yang akan dibentuk. Dengan penentuan jumlah cluster di awal, bisa diatur keragaman nilai akhir atau pelabelan nilai sesuai dengan clusternya. Pada fuzzy c-means nilai awal titik pusat cluster dibangkitkan secara acak sehingga terjadi optimum lokal,dimana proses selanjutnya bergantung pada nilai awal yang dibangkitkan secara acak, disini akan digunakan algoritma genetika untuk mengoptimasi nilai awal titik pusat cluster.

Peneliti: Putri Elfa Mas`udia

Untuk lebih lengkapnya silahkan download di link berikut: