Perbandingan metode K-means dan metode fuzzy C-means untuk clustering data: Studi kasus pada harga saham harian pada PT. Astra, Tbk

INDONESIA :

Pada metode cluster non-hirarki terdapat beberapa algoritma clustering data, diantaranya adalah metode K-Means dan metode Fuzzy C-Means (FCM). Pada proses pengelompokkan (clustering), dalam metode K-Means suatu objek hanya akan menjadi anggota satu cluster sedangkan pada metode Fuzzy C-Means (FCM) satu data bisa menjadi dua cluster atau lebih. Algoritma FCM digunakkan karena pada metode FCM kemungkinan kegagalan untuk konvergen lebih kecil dibandingkan metode K-means. Tujuan penelitian ini adalah untuk membandingkan metode K-Means dan metode Fuzzy C-Means (FCM) secara teoritis serta mengetahui aplikasinya. Langkah awal dalam penelitian ini adalah membandingkan antara metode K-Means dan metode FCM secara teoritis kemudian mengaplikasikannya pada data saham harian PT. Astra, Tbk. Dan pada akhir penelitian ini diperoleh kesimpulan bahwa K-Means dan Fuzzy C-means (FCM) merupakan metode clustering data yang digolongkan sebagai metode pengklasifikasian yang bersifat unsupervised (tanpa arahan). Pengalokasian ulang data ke dalam masing-masing cluster, metode K-Means menggunakan metode pengalokasian yans bersifat tegas (hard) sedangkan untuk metode FCM memanfaatkan teori fuzzy dan pada metode FCM kemungkinan kegagalan untuk konvergen lebih kecil dibandingkan metode K-means.

Dan untuk penerapannya, peneliti berupaya mengolompokkan harga saham harian berdasarkan harga sebelum (open) dan harga tertinggi (high) dengan metode K- Means dan metode FCM. Dan dari hasil penelitian diperoleh titik-titik pusat cluster pada 5 kelompok harga saham, yaitu pada metode K-Means : (31947 32434), (24 502 24999), (19266 20032),(14370 14776), (11547 11818) dan pada metode FCM: (33133 33596), (29454 29954), (23037 23546), (15995 16466), (11958 12261).

ENGLISH :

In non-hierarchical cluster methods have several data clustering algorithms, including the method of K-Means and Fuzzy C-Means method (FCM). In the process of grouping (clustering), the K-Means method of an object will only be a member of one cluster whereas on the method of Fuzzy C-Means (FCM) of the data could be two or more clusters. the used FCM algorithm because the FCM method possible failure to converge is smaller than K-means method. The purpose of this study was to compare methods of K-Means and Fuzzy C-Means method (FCM) is theoretically well aware applications. The first step in this research is to compare the methods of K-Means and FCM methods in theory and then applying it to daily stock data of PT. Astra, Tbk. And at the end of this study concluded that K-Means and Fuzzy C-means (FCM) is a data clustering method which is classified as a classification method that is unsupervised (without landing). Reallocation of data into each cluster, the method of K-Means using the allocation method is strictly yans (hard) while for the FCM method utilizing fuzzy theory and the FCM method possible failure to converge is smaller than K-means method.

And for its application, the researcher seeks clustering daily stock prices based on the price before (open) and the highest price (high) with the method of K-Means and FCM methods. And the results were obtained with the cluster center points in 5 groups share price, namely the method of K-Means: (31947 32434), (24502 24999), (19266 20032), (14370 14776), (11547 11818) and on the method FCM: (33133 33596), (29454 29954), (23037 23546), (15995 16466), (11958 12261).