Optimasi Fuzzy C-Means Menggunakan Particle Swarm Optimization Untuk Pengelompokan Kabupaten/Kota Di Pulau Kalimantan (Studi Kasus : Data Indikator Kesejahteraan Rakyat Tahun 2020)

  • Nur Afifah Febriyanti Universitas Mulawarman
  • Rito Goejantoro Laboratorium Statistika Komputasi, FMIPA Universitas Mulawarman
  • Surya Prangga Laboratorium Statistika Komputasi, FMIPA Universitas Mulawarman

Abstract

Fuzzy C-Means (FCM) is a method of grouping data based on the degree of membership whose observation object is based on the information found in the data describing the object. The FCM method has weaknesses in the initial cluster center determination, so it can be overcome by the Particle Swarm Optimization (PSO) method that can be applied to find the optimal solution of the optimal cluster center determination. The purpose of this research is to determine the optimal number of clusters based on the validity indexes of Partition Coefficient (PC) and Modified Partition Coefficient (MPC), and obtain the results of grouping regencies/cities using the FCMPSO method. Based on the FCMPSO method with a validity index of PC and MPC, it produces an optimal cluster of two clusters, the first cluster consisting of 33 regencies/cities on Kalimantan Island and the second cluster consisting of 23 regencies/cities on Kalimantan Island.

Downloads

Download data is not yet available.

References

Alwi, W. & Hasrul, Muh. (2018). Analisis Klaster untuk Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan Berdasarkan Indikator Kesejahteraan Rakyat. Jurnal MSA. 6(1), 35-42.
Badan Pusat Statistik Kalimantan Timur. (2021). Statistik Kesejahteraan Rakyat Provinsi Kalimantan Barat 2021. Samarinda: Badan Pusat Kalimantan Timur.
Bisilisin, F. Y., Herdiyeni, Y. & Silalahi, B. P. (2014). Optimasi K-Means Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra. Jurnal Ilmu Komputer Agri-Informatika. 3(1),38-47.
Kusumadewi, S. & Purnomo, H. (2010). Aplikasi Logika Fuzzy untuk Pendukung. Keputusan. Yogyakarta: Graha Ilmu.
Naba, A. (2009). Belajar Cepat Fuzzy Logic Menggunakan MATLAB. Yogyakarta: Penerbit ANDI.
Santosa, B., & Ai, T.J. (2017). Pengantar Metaheuristik Implementasi dengan Matlab. Surabaya: ITS Tekno Sains.
Santoso, S. (2015). Menguasai Statistik Multivariat. Jakarta: PT Elex Media Komputindo.
Siringoringo, R. & Jamaluddin. (2019). Peningkatan Performa Cluster Fuzzy C-Means pada Pengklasteran Sentimen Menggunakan Particle Swarm Optimization. Jurnal Teknologi Informasi dan Ilmu Komputer. 6(4), 349-354.
Suyanto. (2019). Data Mining untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika.
Wang, W., & Zhang, Y. (2007). On Fuzzy Cluster Validity Indicies. Fuzzy Sets System, 158, 2095-2177.
Published
2023-07-13
How to Cite
FEBRIYANTI, Nur Afifah; GOEJANTORO, Rito; PRANGGA, Surya. Optimasi Fuzzy C-Means Menggunakan Particle Swarm Optimization Untuk Pengelompokan Kabupaten/Kota Di Pulau Kalimantan (Studi Kasus : Data Indikator Kesejahteraan Rakyat Tahun 2020). EKSPONENSIAL, [S.l.], v. 14, n. 1, p. 31-40, july 2023. ISSN 2798-3455. Available at: <https://jurnal.fmipa.unmul.ac.id/index.php/exponensial/article/view/1095>. Date accessed: 15 oct. 2024. doi: https://doi.org/10.30872/eksponensial.v14i1.1095.
Section
Articles