KEMIRIPAN LIPSTIK BERDASARKAN METODE FUZZY C-MEANS (FCM) MENGGUNAKAN DELPHI

chandra dharsni

Abstract


Laser Induced Breakdown Spectroscopy (LIBS) is a spectroscopic method for quantitative and qualitative analysis of elements contained in a material. This technique is based on an analysis of plasma emissions produced by focusing a high-power pulse laser on a sample. However, to determine the similarity of the content of a material based on spectroscopy is difficult, especially for similar materials. Lipstick itself has many color variations and some colors look almost the same. To distinguish each color, lipstick manufacturers give numbers or names on this product. In this case the writer has the goal to see the similarity of characters in the lipstick based on the cluster. For that we need the help of additional software analysis to distinguish or look for similarities of samples. One analysis that can be done is by the fuzzy method. Fuzzy c-means (FCM) is a clustering algorithm where one object can be a member of several clusters based on similar characteristics. In this study the intensity of the data processing of 3 lipstick materials was conducted using clustering method which aims to determine the similarity between materials using Delphi. There are 3 cluster centers that represent each material. From the results of the cluster center found that material 1 and 2 are in one cluster while material 3 is in a different cluster.

Keywords: Laser Induced Breakdown Spectroscopy (LIBS), lipstik, cluster, fuzzy c-means (FCM), Delphi.

Laser Induced Breakdown Spectroscopy (LIBS) adalah metode spektroskopi untuk analisis kuantitatif dan kualitatif unsur yang terkandung dalam sebuah bahan. Teknik ini didasarkan pada analisis emisi plasma yang dihasilkan dengan cara memfokuskan laser pulsa berdaya tinggi pada sampel. Namun, untuk menentukan kemiripan kandungan suatu bahan berdasarkan spektroskopi adalah sulit dilakukan terutama untuk bahan yang sejenis. Lipstik sendiri memiliki banyak variasi warna dan beberapa warna tampak hampir sama. Untuk membedakan tiap warna, produsen lipstik memberi nomor atau nama pada produk ini. Dalam hal ini penulis memiliki tujuan untuk melihat kesamaan karakter dalam lipstick berdasarkan klasternya. Untuk itu perlu bantuan analisis software tambahan untuk membedakan atau mencari kemiripan sampel. Salah satu analisis yang dapat dilakukan adalah dengan metode fuzzy. Fuzzy c-means (FCM) adalah algoritma clustering dimana satu objek dapat menjadi anggota beberapa cluster berdasarkan kesamaan karakteristiknya.  Pada penelitian ini dilakukan pengolahan data intensitas dari 3 bahan lipstik dengan metode clustering yang bertujuan untuk mengetahui kemiripan antar bahan menggunakan Delphi. Terdapat 3 pusat cluster yang mewakili masing-masing bahan. Dari hasil pusat klaster didapat bahwa bahan 1 dan 2 berada pada satu klaster sedangkan bahan 3 berada di klaster yang berbeda. 


Kata kunci: Laser Induced Breakdown Spectroscopy (LIBS), lipstik, klaster, fuzzy c-means (FCM), Delphi.


Full Text:

PDF

References


Andoyo, A., Suyono, “Dasar Pemograman Delphi”, Edisi Pertama, Penerbit ANDI, Yogyakarta, 1-13, 2016

Astria, D., Suprayoga, “Penerapan Algoritma Fuzzy C – Means Untuk Clustering Pelanggan Pada CV. Mataram Jaya Bawen”, Eksplora Informatika, Vol. 6 No. 2, 170, 2017

Baskoro, W.T., Suyanto, H., “Analisis Signal Latar Plasma Laser dan Effeknya Dengan Laser-Induced Breakdown Spectroscopy (LIBS)”, Simposium Fisika Nasional (SFN XXVII), Denpasar,2014

Departemen Kesehatan Republik Indonesia, “Formularium Kosmetika Indonesia”, Badan Pengawas Obat dan Makanan, Jakarta, 1985

Hadinata, E., “Pengembangan Algoritma Penentuan Titik Awal Dalam Metode Clustering Algoritma Fuzzy C-Means”, Tesis Program Magister S2 Teknik Informatika, Fakultas Ilmu Komputer Dan Teknologi Informasi, Universitas Sumatera Utara, Medan, 2016

Muchsin, A.K., Sudarma.M.,“Penerapan Fuzzy C – Means Untuk Penentuan Besar Uang Kuliah Tunggal Mahasiswa Baru”, Lontar Komputer, Vol. 6 No. 3, 177, 2015

Nurjanah, F.A., Indriani, F.,“Implementasi Metode Fuzzy C-MEANS Pada Sistem Clustering Data Varietas Padi”, Kumpulan Jurnal Ilmu Komputer (KLIK), Vol. 01 No. 01, 26-27, 2014

Satriyanto, E., “Sebuah catatan ringkas aplikasi statistic (Clustering)”, Kangedi.lecturer.pens.ac.id, 2015

Silvi, R., “Analisis Cluster dengan Data Outlier Menggunakan Centroid Linkage dan K-Means Clustering untuk Pengelompokan Indikator HIV/AIDS di Indonesia”, Jurnal Matematika “Mantik”, Vol.04, No.01, 25,2018

Tussniari, P.E.S., “Ekstrak Antosianin Daging Buah Salak (Salaca Zallacca) untuk Dye Sensitized Solar Cell (DSSC)”, Skripsi Program Studi Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana, Bali, 2018




DOI: http://dx.doi.org/10.20527/klik.v7i1.299

Copyright (c) 2020 KLIK - KUMPULAN JURNAL ILMU KOMPUTER

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Indexed by:

  
 

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla
counter View My Stats