Implementasi Metode Hibrid Fuzzy C-Means dan Fuzzy Swarm untuk Pengelompokkan Data Benang Perusahaan Tekstil

Penulis

  • Tifanny Nabarian Prodi Teknik Informatika STT Nurul Fikri
  • Muhammad Aris Ganiardi Politeknik Negeri Sriwijaya
  • Reza Firsandaya Malik Universitas Sriwijaya

DOI:

https://doi.org/10.54914/jtt.v6i1.247

Kata Kunci:

fuzzy, swarm, benang, hibrid FCM-FPSO, clustering, unified process

Abstrak

Salah satu bahan baku utama dalam proses produksi di perusahaan tekstil adalah benang. Ketersediaan data konsumsi benang pada perusahaan tekstil dapat dimanfaatkan untuk mengetahui pola konsumsi benang pada periode tertentu. Data mining metode clustering adalah salah satu teknik yang dapat digunakan untuk membentuk pola dari data benang tersebut. Pada penelitian ini, digunakan algoritma clustering Hibrid Fuzzy C-Means (FCM) dan Fuzzy Particle Swarm Optimization (FPSO), yaitu algoritma kombinasi dari FCM dan FPSO. Algoritma hibrida ini mampu mengatasi kelemahan dari algoritma asalnya, yaitu FCM. Tujuan dari penelitian ini yaitu menguji performa dari metode hibrid FCM-FPSO dengan cara mengimplementasikan pengelompokan data benang perusahaan tekstil ke dalam sebuah aplikasi. Aplikasi dikembangkan dengan menerapkan model Unified Process (UP). Hasil dari implementasi tersebut adalah nilai rata-rata fungsi objektif terendah dicapai oleh algoritma hibrid FCM-FPSO sebesar 3441,00 kemudian diikuti oleh algoritma FCM dengan nilai sebesar 3540,33 dan yang tertinggi dicapai oleh algoritma FPSO dengan nilai sebesar 4485,40. Nilai rata-rata fungsi objektif yang terendah ini menunjukkan bahwa aplikasi yang dibangun berhasil membuktikan keunggulan algoritma hybrid FCM-FPSO dalam menghasilkan cluster data benang.

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Tifanny Nabarian, Prodi Teknik Informatika STT Nurul Fikri

Sekretaris Prodi Teknik Informatika

Referensi

K. Mehmed, Data Mining: Concepts, Models, Methods, and Algorithms, 3rd ed. Hoes Lane: IEEE Press & Wiley, 2020.

R. Rustiyan and M. Mustakim, “Penerapan Algoritma Fuzzy C Means untuk Analisis Permasalahan Simpanan Wajib Anggota Koperasi,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 2, p. 171, 2018.

S. Rani, A. Puspita, and F. Nhita, “Implementasi Algoritma Fuzzy C-Means untuk Mengkategorikan Tingkat Penjualan Produk pada Data Transaksi Swalayan,” e-Proceeding Eng., vol. 5, no. 3, pp. 8206–8217, 2018.

F. Agustini, “Implementasi Algoritma Fuzzy C-Means Studi Kasus Penjualan di Sushigroove Restaurant,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 3, no. 1, pp. 127–132, 2019.

T. M. Silva Filho, B. A. Pimentel, R. M. C. R. Souza, and A. L. I. Oliveira, “Hybrid methods for fuzzy clustering based on fuzzy c-means and improved particle swarm optimization,” Expert Syst. Appl., vol. 42, no. 17–18, pp. 6315–6328, 2015.

C. Skiadas and J. Bozeman, Data Analysis and Applications 1, 2nd ed. Wiley, 2019.

H. Izakian and A. Abraham, “Fuzzy C-means and fuzzy swarm for fuzzy clustering problem,” Expert Syst. Appl., vol. 38, no. 3, pp. 1835–1838, 2011.

W. Liu, Z. Wang, X. Liu, N. Zeng, and D. Bell, “A Novel Particle Swarm Optimization Approach for Patient Clustering from Emergency Departments,” IEEE Trans. Evol. Comput., vol. 23, no. 4, pp. 632–644, 2019.

I. Sommerville, Software Engineering-Sommerville(Tenth Edition), 10th ed. Pearson Education, 2016.

##submission.downloads##

Diterbitkan

2020-07-28

Cara Mengutip

[1]
T. Nabarian, M. . Aris Ganiardi, dan R. . Firsandaya Malik, “Implementasi Metode Hibrid Fuzzy C-Means dan Fuzzy Swarm untuk Pengelompokkan Data Benang Perusahaan Tekstil”, j. teknologi terpadu, vol. 6, no. 1, hlm. 39–45, Jul 2020.

Terbitan

Bagian

Artikel