OPTIMASI PUSAT CLUSTER FUZZY C-MEANS UNTUK PENGELOMPOKAN DATA KREDIT MENGGUNAKAN ALGORITMA GENETIKA
Abstract
Pengelompokan data dapat digunakan dalam strategi pemasaran suatu produk. Proses pengelompokan data yang semula berperilaku berbeda-beda menjadi beberapa kelompok yang sekarang berperilaku lebih seragam. Seperti halnya pengelompokan data penilaian kelayakan pemberian kredit, Pengelompokan data ini diperlukan untuk mendapatkan nilai-nilai dominan yang akan menjadi ciri-ciri dari masing-masing kelompok atau segment. Metode clustering cukup banyak digunakan untuk mengatasi permasalahan yang terkait dengan segmentasi data. Clustering ini merupakan metode pengelompokan berdasarkan ukuran kedekatan, semakin akurat cluster yang terbentuk maka akan semakin jelas kesamaan pola perilaku dari pelanggan. Sehingga, perusahaan dapat menentukan strategi pemasaran dengan lebih tepat, berdasarkan pada pola prilaku pelanggan. Salah satu metode clustering yang dapat digunakan untuk mengelompokkan data adalah Fuzzy C-Means (FCM), yang merupakan suatu metode pengelompokan data yang ditentukan oleh derajat keanggotaan. Optimasi dengan menyajikan Algoritma Genetika unyuk memperoleh hasil cluster data uji mengenai pengelompokan data kredit. Adapun tujuan penelitian ini adalah mengkaji penerapan Algoritma Genetika dalam fuzzy clustering, utamanya Fuzzy C-Means, serta mengkaji sejauh mana Algoritma Genetika dapat meningkatkan unjuk kerja Fuzzy C-Means dalam optimasi pusat cluster untuk memperoleh pengelompokkan data nasabah yang nantinya digunakan untuk penilaian kelayakan pemberian kredit.
References
Samaher, Wayan Firdaus Mahmudy. (2015), Penerapan Algoritma Genetika Untuk Memaksimalkan Laba Produksi Jilbab. Journal of Environmental Engineering & Sustainable Technology JEEST Vol. 02 No. 01.
Pivin Suwirmayanti, I Ketut Gede Darma Putra, I Nyoman Satya Kumara. (2014), Optimasi Pusat Cluster K-Prototype dengan Algoritma Genetika, Jurnal Teknologi Elektro, Vol. 13, No. 2.
Desy Rahmawati Ningrat, Di Asih I Maruddani, Triastuti Wuryandari. (2016), Analisis Cluster Dengan Algoritma K-Means Dan Fuzzy C-Means Clustering Untuk Pengelompokan Data Obligasi Korporasi, Jurnal Gaussian, Vol.5, No. 4.
Cuijie Zhao, Hongdong Zhao, Wei Yao. (2016), Fuzzy C-Means Clustering Based on Improved Marked Watershed Transformation, Jurnal Telkomnika, Vol.14, No.3.
M. V. Jagannatha Reddy and B. Kavitha. (2012). Clustering the Mixed Numerical and Categorical Dataset using Similarity Weight and Filter Method, International Journal of Database Theory and Application Vol. 5, No. 1.
