JURNAL MATEMATIKA “MANTIK” Edisi: Oktober 2016. Vol. 02 No. 01 ISSN: 2527-3159 E-ISSN: 2527-3167 7 PERBANDINGAN PENGKLUSTERAN DATA IRIS MENGGUNAKAN METODE K-MEANS DAN FUZZY C- MEANS Fitria Febrianti 1 , Moh. Hafiyusholeh 2 , Ahmad Hanif Asyhar 3 Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Ampel Surabaya E-mail: fitriafebrianti09@gmail.com 1 , hafiyusholeh@uinsby.ac.id 2 , hanif@uinsby.ac.id 3 Abstrak Indonesia dengan kekayaan alam yang melimpah, tentu memiliki banyak tanaman yang tak terhitung banyaknya. Untuk mengklaster tanaman menjadi beberapa kelompok yang berbeda dapat menggunakan beberapa metode. Salah satunya metodenya adalah K-Means dan Fuzzy C-Means. Akan tetapi, dua metode ini memiliki perbedaan. Tidak hanya dari segi algoritma, akan tetapi dari segi perhitungan nilai root mean square error (RMSE)-nya juga berbeda. Untuk menghitung nilai RMSE ada dua indikator yang diperlukan, yaitu data training dan data checking. Dari pembahasan, metode Fuzzy C-Means memiliki tingkat RMSE yang lebih kecil dibandingkan metode K-Means yaitu pada 80 data training dan 70 data checking dengan nilai RMSE 2,2122E-14. Hal ini menunjukkan bahwa metode Fuzzy C-means memiliki tingkat ketepatan yang lebih tinggi dibandingkan dengan metode K-Means. Kata kunci: data iris, logika fuzzy, fuzzy c-means, data mining, k-means Abstract Indonesia with abundant natural resources, certainly have a lot of plants are innumerable. To clasify the plants into different clusters can use several methods. Methods used are K-Means and Fuzzy C-Means. However, this methods have difference. Not only in terms of algorithms, but in terms of value calculation on the root mean square error (RMSE) also different. To calculate the value of RMSE there are two indicators are required, namelt the training data and the checking data. Of discussion, the Fuzzy C-Means method has RMSE values smaller than the K-Means method, namely on 80 training data and 70 checking data with RMSE value 2,2122E-14. This indicates that the Fuzzy C-Means method has a higher level of accuracy than the K-Means method. Kata kunci: iris data, fuzzy logic, fuzzy c-means, mining data, k-means 1. Pendahuluan Indonesia merupakan negara yang kaya akan sumber daya alamnya, oleh karena itu Indonesia memiliki begitu banyak ragam tumbuhan dan bunga yang tersebar diwilayah Indonesia. Dari sekian banyak tumbuhan di Indonesia, hanya 20% yang sudah teridentifikasi [1]. Pada umumnya, beberapa tanaman yang belum diidentifikasi diklaster atau dikelompokkan menjadi beberapa kelompok. Pengklasteran atau pengelompokkan adalah pengelompokan objek atau kasus menjadi kelompok- kelompok yang lebih kecil, dimana setiap kelompok berisi objek atau kasus yang mirip satu sama lain [2]. Terdapat pengklasteran beberapa jenis bunga berdasarkan lebar