Pembangkitan Aturan Fuzzy Menggunakan Fuzzy C-Means (FCM) Clustering Untuk Diagnosa Risiko Penyakit Jantung Koroner (PJK)

Aturan fuzzy biasanya didefinisikan oleh pakar, akan tetapi proses ini memerlukan banyak waktu, pengalaman, dan keahlian pakar. Pembangkitan aturan fuzzy secara otomatis oleh sistem dapat digunakan untuk mengatasi permasalahan tersebut. Aturan fuzzy dapat diekstraksi dari data dengan menggunakan beberapa teknik, salah satunya adalah Fuzzy C-Means (FCM) clustering. FCM adalah adaptasi dari algoritma k-means dengan fungsi keanggotaan halus sehingga memungkinkan suatu titik data menjadi bagian untuk semua pusat. FCM memiliki kelebihan yaitu pusat kelompok dan hasil pengelompokkan tidak berubah dengan adanya data baru yang bernilai ekstrim. Pada penelitian ini, dilakukan pembangkitan aturan fuzzy pada sistem diagnosa penyakit jantung koroner (PJK) untuk mengetahui bagaimana mengimplementasikan FCM clustering dalam pembangkitan aturan fuzzy dan akurasi dari hasil sistem tersebut. Penelitian dilakukan dengan beberapa skenario uji coba dengan jumlah data latih yang berbeda. Setiap uji coba, dilakukan percobaan sebanyak 5 kali. Hasil uji coba kemudian dianalisis dimana aturan fuzzy dan akurasi sistem dari setiap skenario uji coba dibandingkan sehingga aturan fuzzy yang terbaik dapat diketahui. Hasil penelitian menunjukkan bahwa akurasi maksimum yang dihasilkan sistem diagnosa risiko PJK melalui pembangkitan aturan fuzzy menggunakan FCM adalah 50%, yaitu pada jumlah aturan 2 dengan nilai batasan varian sebesar 0,0338 pada jumlah data latih 70