Kumpulan Skripsi & Artikel Jurnal Ilmiah

2009

Fuzzy clustering dengan metode C-Means untuk forecasting data electrical load time-series

Filed under: Uncategorized — Tags: , , , — dvanhlast @ 7:31 am

Author : HANDRA, LIE

Dalam membentuk membership function sebuah sistem fuzzy, biasanya diperlukan pengetahuan tentang data yang digunakan. Tetapi, apabila tidak ada pengetahuan tentang data tersebut, akan sangat sulit untuk membuat membership function dari sistem fuzzy tersebut. Algoritma Fuzzy Clustering metode C-Means merupakan sebuah algoritma yang dapat mempelajari data untuk membentuk membership function secara otomatis. Sistem Fuzzy Clustering dengan metode C-Means digunakan untuk melakukan clusterisasi pada data Time-Series yaitu data electrical load Jawa Timur-Bali 2005-2006. Degree of membership dari anggota kelas tersebut akan membentuk Gaussian Membership Function dalam sistem fuzzy. Sistem fuzzy yang digunakan adalah fuzzy tipe Takagi-Sugeno dengan output berupa crisp. Sistem fuzzy yang terbentuk, digunakan untuk melakukan forecasting data electrical load Jawa Timur-Bali 2007. Dari percobaan yang dilakukan, didapatkan bahwa, menggunakan 3 cluster adalah yang terbaik dalam melakukan forecasting electrical load Jawa Timur-Bali. Semakin panjang data set yang digunakan, maka hasil forecasting akan semakin tidak akurat . Tetapi, data set yang panjang, akan sangat baik dalam Long Term Forecasting. Hasil dari forecasting untuk bulan Januari 2007 ? Maret 2007 menggunakan Short Term Forecasting menghasilkan Mean Squared Error sebesar 0.0025 dan hasil forecasting untuk bulan April 2007 ? Juni 2007 menggunakan Long Term Forecasting, menghasilkan Mean Squared Error sebesar 0.0023 untuk bulan April 2007.

Keyword : fuzzy clustering, fuzzy c-means, time-series, forecasting

Sumber : http://repository.petra.ac.id/3368/

Penggunaan fuzzy clustering dalam pengenalan karakter angka

Filed under: Uncategorized — Tags: , , , — dvanhlast @ 7:31 am

Author : , SUHARYANTO

Fuzzy clustering adalah salah satu metode yang dikembangkan untuk mengolah informasi dengan jumlah data yang banyak. Dengan menggunakan metode ini, data-data yang ada akan dikelompokkan menjadi beberapa cluster (kelompok) yang masing-masing diwakili oleh pusat cluster. Pusat-pusat cluster tersebut selanjutnya digunakan sebagai dasar untuk mengenali data baru Untuk mengetahui keefektifan dari metode fuzzy clustering, dalam perancangan ini digunakan fuzzy c-means (salah satu metode fuzzy clustering) untuk mengenali image angka 0 sampai 9 (tiap jenis angka tersebut memiliki jumlah sample image minimal 10 buah). Sedangkan proses feature extraction yang digunakan, diperoleh berdasarkan pada perpotongan garis, daerah tertutup, adanya garis lurus, dan pembagian wilayah. Hasil pengujian menunjukkan bahwa tingkat keberhasilan sistem yang telah dibuat adalah 70%. Tetapi jika image angka diganti dengan simbol-simbol yang jelas berbeda satu dengan yang lain hasil pengujian menunjukkan tingkat keberhasilan yang lebih baik (100%). Hal ini berarti bahwa proses clustering yang digunakan berjalan dengan baik, tetapi proses feature extraction-nya kurang memadai untuk dapat membedakan bentuk-bentuk angka 0 sampai 9.

Keyword : fuzzy clustering, fuzzy c-means, image processing, fuzzy algorithms

Sumber : http://repository.petra.ac.id/3825/

Blog at WordPress.com.