Source Code Data Mining Clustering Metode Fuzzy C-Means Codeigniter

Landasan Teori

Data Mining

Data mining adalah suatu proses pengerukan atau pengumpulan informasi penting dari suatu data yang besar. Proses data mining seringkali menggunakan metode statistika, matematika, hingga memanfaatkan teknologi artificial intelligence. Tujuannya bukan sekadar mengolah data, tetapi menemukan pengetahuan yang dapat digunakan untuk memahami pola, membuat prediksi, atau mendukung pengambilan keputusan.

Langkah-langkah Data Mining

Memahami masalah.
Mengumpulkan dan memahami data.
Membersihkan data.
Melakukan transformasi atau preprocessing.
Memilih metode analisis.
Menjalankan model atau algoritma.
Mengevaluasi hasil.
Menginterpretasikan pola yang ditemukan.

Clustering

Clustering atau klasterisasi adalah metode pengelompokan data. Menurut Tan, 2006 clustering adalah sebuah proses untuk mengelompokan data ke dalam beberapa cluster atau kelompok sehingga data dalam satu cluster memiliki tingkat kemiripan yang maksimum dan data antar cluster memiliki kemiripan yang minimum. Metode atau konsep ini digunakan untuk membantu proses analisis secara lebih terstruktur sesuai dengan data, kriteria, dan tujuan permasalahan yang dihadapi.

Langkah-langkah Clustering

Menyiapkan data.
Melakukan preprocessing.
Memilih fitur.
Menentukan algoritma clustering.
Membentuk cluster.
Mengevaluasi hasil cluster.
Menginterpretasikan karakteristik setiap cluster.

Fuzzy C-Means (FCM)

Fuzzy c-means clustering merupakan suatu metode clustering yang hampir mirip seperti k-means clustering. Karena metode clustering ini mirip dengan k-means clustering, ada yang menyebut metode ini fuzzy k-means clustering. Fuzzy c-means merupakan salah satu jenis soft clustering di mana dalam mengelompokan suatu data, setiap data bisa dimiliki lebih dari satu cluster. Contohnya sebuah tomat bisa dikelompokkan ke warna merah atau warna hijau jika dalam hard clustering, namun tomat bisa dikelompokkan ke warna merah dan hijau dalam fuzzy clustering. Tomat berwarna merah memiliki tingkatan yang sama dengan tomat berwarna hijau. Jika dimisalkan dengan angka dari 0 sampai 1, tomat warna merah 0.5 dan tomat warna hijau 0.5.

Langkah-langkah Fuzzy C-Means

Menentukan jumlah cluster dan parameter fuzziness.
Membentuk matriks keanggotaan awal.
Menghitung pusat cluster.
Menghitung jarak data terhadap pusat cluster.
Memperbarui derajat keanggotaan.
Mengulangi proses hingga perubahan memenuhi batas konvergensi.
Menentukan interpretasi cluster berdasarkan derajat keanggotaan.

Tentang Aplikasi

Aplikasi Fuzzy C-Means Codeigniter ini berfungsi untuk mengklusterisasi data menjadi beberapa kelompok sesuai metode Fuzzy C-Means. Data bisa diinput bebas dengan atribut yang bisa disesuaikan. Pengguna cukup menginputkan jumlah cluster, maksimum iterasi, pembobot, serta nilai error yang diinginkan, kemudian hasilnya dalam bentuk grafik dan cluster setiap alternatif. Aplikasi ini dibangun dengan framework php Codeigniter.