PENERAPAN VALIDITY INDEX PADA K MEANS DAN FUZZY C-MEANS

K-Means dan Fuzzy C-Means Clustering merupakan metode penganalisaan data yang melakukan proses pemodelan tanpa supervisi (unsupervised) dan merupakan metode yang melakukan pengelompokan data dengan sistem partisi. pemilihan pusat awal cluster secara acak pada algoritma kmeans clustering dan Fuzzy C-Means akan menghasilkan akurasi cluster yang berbeda pada dataset yang sama, cluster validity index adalah metode yang dapat digunakan untuk mengevaluasi hasil clustering yang dihasilkan oleh suatu algoritma clustering. penelitian ini akan menggunakan cluster validity index pada algoritma kmeans clustering dan Fuzzy C-Means dengan menghitung validity index dari setiap hasil kmeans clustering dengan k=2,..., kmax (k max ditentukan diawal ) dan hasil dari Fuzzy C-Means dengan c=2,....,cmax(c max ditentukan diawal). Dengan menggunakan clustering validity index didapat cluster yang paling optimal pada cluster ke 2 dengan nilai Dbi=0,45 pada K means dan cluster ke 2 dengan nilai Dbi=0,5 pada Fuzzy C Means, dan hasil clustering menjadi konsisten.