Implementasi Fuzzy C-Means (FCM) dan Generalized Fuzzy C-Means (GFCM) dalam Clustering Produk Domestik Regional Bruto (PDRB) Menurut Pengeluaran

Anggun Yuliarum Qur'ani (Universitas Udayana)
Ratna Sari Widiastuti (Universitas Udayana)

Ulil Albab
Vol. 2 No. 9: Agustus 2023

Pembagian objek ke dalam suatu kelompok yang mirip atau saling terkait satu sama lain dan berbeda dengan objek-objek dalam kelompok lain disebut dengan pengelompokan atau clustering. Fuzzy Clustering (FC) merupakan jenis clustering objek menjadi anggota dari setiap cluster dengan bobot keanggotaan antara 0 (tidak termasuk anggota) dan 1 (mutlak termasuk anggota). FC yang keberadaan atau letak suatu data dalam klaster tergantung pada derajat keanggotaan data tersebut disebut dengan Fuzzy C-Means (FCM) clustering. Modifikasi Fuzzy C-Means (FCM) dengan menambahkan sebuah parameter guna meningkatkan kecepatan konvergensi dan mendapatkan hasil yang lebih sedikit kesamaran dengan menyesuaikan matriks keanggotaan pada setiap iterasi disebut dengan Generalized Fuzzy C-Means (GFCM). Data Produk Domestik Regional Bruto (PDRB) merupakan statistik pendapatan regional yang dapat dimanfaatkan untuk mengevaluasi hasil pembangunan sekaligus sebagai dasar perencanaan pembangunan ekonomi di suatu wilayah tertentu. Pada penelitian ini ingin mengimplementasikan Fuzzy C-Means (FCM) dan Generalized Fuzzy C-Means (GFCM) dalam clustering Produk Domestik Regional Bruto(PDRB) menurut pengeluaran. Penelitian memberikan informasi bahwa jumlah klaster terbentuk adalah sebanyak 3 klaster dan hasil clustering memberikan kesimpulan bahwa FCM lebih tidak terlalu kabur(fuzzy). Informasi ini diperoleh dari nilai Partition entropy dan XieBeni index pada FCM lebih kecil daripada GFCM, dan nilai Partition coeff pada FCM lebih besar daripada GFCM.