Pengertian Algoritma Fuzzy C-means

Fuzzy c-means merupakan mpngelompokan suatu data yan menggunakan salah satu jenis soft clustering.Fuzzy C-Means adalah salah satu metode fuzzy clustering untuk mengelompokkan dataset menjadi K cluster.

Jumlah cluster (K) harus lebih besar dari 1. Fuzzy C-Means adalah pengembangan dari metode k-means dengan beberapa modifikasi.

Tahapan Algoritma Fuzzy C-means

berikut adalah tahapan algotitma fuzzy C-Means

1.Menentukan banyak cluster (k) yang akan dibuat.

2.Menentukan nilai proporsi setiap data poin secara random untuk masuk dalam suatu cluster.

3.Menghitung nilai centroid. Dalam menghitung nilai centroid, menggunakan formula berikut : \[C_j = \frac{\sum u_{ij}^mx}{\sum u_{ij}^m}\]

4.Menghtung ulang nilai proporsi setiap data poin untuk masuk pada setiap cluster. menggunakan formula berikut : \[u_{ij}^m = \frac{1}{\sum (\frac{|x_i - c_j|}{|x_i - c_k|})^\frac{2}{m-1}}\]

Eksperimen Algoritma Fuzzy C-means

Library

library (ppclust)
library (factoextra)
## Loading required package: ggplot2
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
library (dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library (cluster)
library(fclust)

Import Data

data(iris)
Y=iris [,-5] 
Y[1:25,]
pairs(Y, col=iris[,5])

library (psych)
## 
## Attaching package: 'psych'
## The following objects are masked from 'package:ggplot2':
## 
##     %+%, alpha
## The following object is masked from 'package:ppclust':
## 
##     pca
pairs.panels(iris[,-5], method = "pearson")