Fuzzy C-Means

Kali ini akan dibahas mengenai analisis gerombol dengan Fuzzy C-Means (FCM). Fuzzy C-Means merupakan salah satu metode fuzzy clustering untuk mengelompokkan dataset menjadi K cluster. Jumlah cluster (K) harus lebih besar dari 1. FCM ini adalah pengembangan dari metode k-means, atau dengan kata lain FCM merupakan versi fuzzy dari k-means dengan beberapa modifikasi. Yuk, langsung aja kita lakukan analisis dengan FCM pada contoh data sederhana berikut !

Misalkan kita memiliki 6 objek yaitu A, B, C, D, E, dan F yang ingin dikelompokkan berdasarkan 2 peubah (X dan Y). Akan digunakan FCM dalam pengelompokkan/pengclusteran ini.

Data

Objek <- c("A","B","C","D","E","F") 
X <- c(1,4,6,1,2,5)
Y <- c(1,1,4,2,3,3)
dataFCM <- data.frame(Objek, X, Y)

Package

# Load package
library(advclust)
## Warning: package 'advclust' was built under R version 4.0.5
# Peubah
(X = dataFCM[,2:3])
##   X Y
## 1 1 1
## 2 4 1
## 3 6 4
## 4 1 2
## 5 2 3
## 6 5 3

Analisis dengan FCM

fuzzy.CM(X, K=2, m=2, threshold = 0.01, RandomNumber = 1234)  # misalkan disini data ingin dikelompokkan ke dalam 2 cluster, jika ingin jumlah cluster lain silakan ganti nilai K
## Maximum Iteration 1000 will be used.
## 
## Membership initialiazed randomly
## 
## 
 iteration:  1
 iteration:  2
 iteration:  3
 iteration:  4
## Finish :)
## Function call: fuzzy.CM(X = X, K = 2, m = 2, threshold = 0.01, RandomNumber = 1234)
## Fuzzy C-Means
## Function objective: 7.15328759408202
## Membership & Label Matrix:
## 
## |      | Cluster 1| Cluster 2| Label|
## |:-----|---------:|---------:|-----:|
## |Obs 1 |     0.957|     0.043|     1|
## |Obs 2 |     0.467|     0.533|     2|
## |Obs 3 |     0.050|     0.950|     2|
## |Obs 4 |     0.986|     0.014|     1|
## |Obs 5 |     0.875|     0.125|     1|
## |Obs 6 |     0.006|     0.994|     2|
## 
## Centroid:
## 
## |          |     X|     Y|
## |:---------|-----:|-----:|
## |Cluster 1 | 1.501| 1.876|
## |Cluster 2 | 5.250| 3.143|

Hasil Cluster

Berdasarkan output dapat dilihat bahwa jumlah iterasi = 4. Observasi/objek 1,4,5 (A,D,E) masuk ke dalam cluster 1, sedangkan observasi 2,3,6 (B,C,F) masuk ke dalam cluster 2. Oke, sekian pembahasan kali ini. Semoga bermanfaat.

  1. IPB University, ↩︎