| dc.identifier.citation | Agusta, Y. 2007. K-Means – Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika Vol. 3 Februari 2007, 47-60. Bezdek, JC. 1981. Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum: New York. Duo, Chen., et al. 2007. An Adaptive Cluster Validity Index for the Fuzzy C-means. International Journal of Computer Science and Network Security, VOL.7 No.2, February 2007, 146-151. Klawonn, F. 2000. Fuzzy Clustering: “Insight and a New Approach”. Science Journal. http://public.rz.fh- wolfenbuettel.de/klawonn. Klawonn, F dan Höppner, F. 2001. What is fuzzy about Fuzzy Clustering? Understanding and Improving the Conceptof the Fuzzier. Science Journal. http://public.rz.fhwolfenbuettel.de/klawonn. Kusumadewi, S. 2002. Analisis dan Desain Sistem Fuzzy (Menggunakan Toolbox Matlab). Yogyakarta: Graha Ilmu. Kusumadewi, S dan Purnomo. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu. NN, Model Pengembangan Industri Kecil pada Program Uni Eropa. PUPUK, Bandung Novianti, MD. 2006. Studi Pengembangan Industri Konveksi Di Depok dengan Pendekatan Metode Analytic Hierarchy Process. Universitas Indonesia. Pravitasari, A.A. 2008. Analisis Pengelompokan Dengan Fuzzy C-Means Cluster, Institut Teknologi Sepuluh November. Robandi, I. 2006. Desain Sistem Tenaga Modern. Andi: Yogyakarta. Susanto, S. dan Ernawati. 2006. Pembagian Kelas Peserta Kuliah Berdasarkan Fuzzy Clustering dan Partition Coefficient and Exponential Separation (PCAES) Index. | en_US |
| dc.description.abstract | Alokasi dana bantuan kepada UKM di Kota Cilegon, masih berdasarkan pemilihan UKM
yang mempunyai potensi dan keuntungan yang besar. Agar terjadi pemerataan alokasi
UKM, maka diperlukan pengelompokkan secara keseluruhan terhadap semua UKM
yang berada di Kota Cilegon. Tujuan penelitian ini adalah memberikan hasil
pengelompokkan UKM yang optimal dengan menggunakan metode fuzzy c-means
clustering (FCM) dan Index XB. Metode FCM memberikan hasil pengelompokkan yang
halus atau tidak banyak menggeser pusat cluster, sehingga jika UKM yang baru berdiri
akan dapat segera masuk dalam kelompok tertentu dengan kriteria yang sesuai dan
tidak merubah hasil pengelompokkan sebelumnya. Banyaknya jumlah kelompok optimal
yang terbentuk ditentukan dengan menggunakan Index XB. Jumlah kelompok yang
optimal terlihat pada grafik dengan nilai minimum lembah pertama yang berada pada titik
3 pusat cluster. Hasil pengolahan data dengan optimalisasi fungsi objektif dan Index XB
yaitu pengelompokkan UKM menjadi tiga kelompok berdasarkan modal awal, rata-rata
keuntungan, rata-rata pendapatan dan kapasitas produksi yang menjadi karakteristik
pada setiap kelompok UKM. Setiap kelompok UKM, dapat menjadi pertimbangan oleh
pemerintah Kota Cilegon dalam alokasi dana bantuan maupun arahan pengembangan
UKM sektor industri yang lebih intensif. | en_US |
