Perbandingan Metode FCM dengan Metode FPCM dalam Mengelompokkan data

Sebagai salah satu teknik pengelompokan data, clustering mengelompokkan data yang memiliki banyak kesamaan ke dalam cluster yang sama. Salah satu contoh metode clustering yang sering digunakan adalah metode Fuzzy C-Means (FCM), namun keanggotaan yang dihasilkan metode ini tidak berkorespondensi dengan baik terhadap derajat keanggotaan data. FCM sering kali kurang akurat dalam mengelompokkan data untuk kasus data outlier, yaitu data yang letaknya jauh dari pusat-pusat cluster. Untuk memperbaiki kelemahan FCM dan untuk memproduksi keanggotaan yang mempunyai penjelasan yang baik dalam data, Pal mengusulkan metode yang disebut Fuzzy Possibilistic C-Means (FPCM). Hasil skripsi ini menunjukkan bahwa metode FPCM memberikan hasil clustering yang lebih akurat, yang ditandai dengan nilai performa indeks yang lebih kecil daripada metode FCM, tetapi metode FPCM membutuhkan waktu komputasi yang lebih lama daripada metode FCM