ABSTRAKSI: Analisis klaster merupakan salah satu cara yang bagus untuk mempercepat dalam meninjau/menganalisis data. Suatu klaster ditentukan berdasarkan persamaan karakteristik setiap data. Terkadang tidak dapat menempatkan data dengan tepat pada satu klaster karena terletak diantara dua atau lebih klaster. Dalam meninjau data diperlukan beberapa analisa sebelum menentukan jumlah klaster. Sehingga dibutuhkan suatu mekanisme tertentu untuk membentuk klaster yang tepat agar didapatkan hasil klaster yang optimal tanpa harus menentukan jumlah klaster terlebih dahulu.
Fuzzy Subtractive Clustering (FSC) salah satu algoritma klasterisasi untuk mencari klaster berkemampuan baik dalam menemukan klaster karena mempertimbangkan seluruh dimensi data. Algoritma FSC tidak terawasi sehingga pengguna tidak perlu menentukan jumlah klaster terlebih dahulu. Implementasi Fuzzy Inference System (FIS) pada hasil klasterisasi FSC guna mendapatkan performansi maksimal dari hasil klaster. FIS berperan dalam memilih hasil klaster yang optimal karena memperhitungkan nilai akurasi.
Pada algoritma FSC, parameter inputan jari-jari, squash factor, dan reject ratio berbanding terbalik terhadap jumlah klaster. Sedangkan parameter accept ratio tidak memberikan pengaruh apapun terhadap jumlah klaster. Selain itu, parameter batas atas dan bawah data harus ditentukan secara cermat oleh pengguna sesuai dengan kondisi data untuk mendapatkan hasil klaster yang baik. Sedangkan FIS memberikan performansi yang baik dalam memilih jumlah klaster yang optimal berdasar tingkat akurasinya.Kata Kunci : fuzzy clustering, subtractive clustering, fuzzy subtractive clustering, fuzzy inference systemABSTRACT: Cluster analysis is one good way for quick review of data. Cluster is determined based on characteristics equation of each data. Sometimes we can‟t put data exactly on single cluster because it is located between two or more clusters. In reviewing data, requires several analysis before clusters number can be determined. It is required specific mechanism to get right cluster to obtain optimal cluster without having to specify clusters number beforehand.
Fuzzy Subtractive Clustering (FSC) is clustering algorithm to find clusters and well capable of finding cluster because considering all dimensions of data. FSC is unsupervised algorithm and users don‟t need to specify the number of clusters beforehand. Implementation of Fuzzy Inference System (FIS) on the clustering results of the FSC in order to obtain maximum performance from the cluster. FIS plays a role in choosing the optimal cluster for calculating the accuracy value.
On FSC algorithm, input parameters including influance range, squash factor, and reject ratio is inversely proportional to clusters number. While accept ratio parameter doesn‟t have any influence on clusters number. In addition, upper and lower limits parameters must be accurately determined by users in accordance with data conditions to obtain good clustering results. While FIS had better performance in selecting optimal number of clusters based on the level of accuracy.Keyword: fuzzy clustering, subtractive clustering, fuzzy subtractive clustering, fuzzy inference system