Keberadaan outlier menjadi masalah serius pada analisis klaster. Metode klaster tradisional yang sederhana seperti metode hirarkhi pada akhirnya menjadi tidak baik karena hasilnya akan berbeda-beda dan tidak memiliki ketahanan (robust) pada struktur klaster. Upaya paling mudah mengatasinya adalah dengan membuang data outlier tersebut, tetapi ini bukan jalan terbaik. Upaya yang dapat dilakukan adalah mencari metode alternative untuk mengatasi adanya outlier tanpa harus membuangnya. Salah satu yang dapat digunakan adalah Prototype-Based Fuzzy Clustering melalui Algoritma Fuzzy C-Mean. Makalah ini membahas penggunaan Prototype-Based Fuzzy Clustering melalui Algoritma Fuzzy C-Mean untuk mengatasi kasus outlier. Hasilnya dibandingkan dengan metode agglomerative. Pengklasteran didasarkan pada data karakteristik perempuan hasil Survey Ekonomi Nasional tahun 2006. Berdasarkan hasil yang diperoleh dengan Prototype-Based Fuzzy Clustering, struktur klaster menjadi lebih robust terhadap data outlier.
Copyrights © 2016