PENGGUNAAN ALGORITMA GENETIKA DALAM PENINGKATAN KINERJA FUZZY CLUSTERING UNTUK PENGENALAN POLA

Abstract

Algoritma genetika (AG) adalah metode untuk menyelesaikan persoalan optimasi berbasis teori evolusi dalam biologi. Algoritma ini bekerja pada populasi calon penyelesaian yang disebut kromosom yang awalnya dibangkitkan secara random dari ruang penyelesaian fungsi tujuan. Dengan menggunakan mekanisme opearator genetik yaitu persilangan dan mutasi populasi dievolusikan melalui fungsi fitness yang diarahkan pada kondisi konvergensi. Algoritma ini dapat diterapkan dalam banyak area fungsi-fungsi optimasi, salah satu penerapannya adalah fungsi objektif berbasis fuzzy clustering.
Fuzzy clustering bertujuan mengelompokkan n objek yang disajikan dengan vektor kedalam C-cluster berdasarkan kesamaannya dengan pusat cluster yang diukur melalui fungsi jarak. Fungsi tujuan Jm didefinisikan sebagai fungsi V (matriks sifat prototipe) dan U ( fungsi keanggotaan Fuzzy dari objek i: 1, 2, . . . .,n menjadi anggota cluster j: 1, 2, . . . . , c) yang diminimumkan melalui iterasi. Karena sensitivitas inisiasi random terjebak dalam minimum lokal, pendekatan genetik biasanya dapat diterapkan untuk menghilangkan masalah diatas.
Penelitian ini ditujukan untuk mempelajari unjuk kerja AG pada masalah fuzzy clustering, khususnya fuzzy C Mean (FCM). Guided GA (GGA) sebagai alternatif FCM diperkenalkan melalui kode MATLAB, kedua algoritma ini dibandingkan melalui tiga kasus numerik. Unjuk kerja FCM dan GGA-FCM diuji melalui beberapa parameter seperti kesahihan cluster, kompleksitas, laju klasifikasi komputasi. Hasilnya menunjukkan bahwa GGA-FCM mempunyai unjuk kerja yang lebih baik dibandingkan FCM dalam bentuk Jm, kesahihan cluster dan laju klasifikasi, meskipun dalam kompleksitas komputasi lebih rumit dan memerlukan waktu lebih banyak.

Kata kunci : fuzzy cluctering, Algoritma Genetika, GGA-FCM, FCM.