Hai, temen-temen semua. Kali ini pembahasannya tentang Agglomerative Hierarchical Clustering (AHC). Apa sih AHC itu? Simak penjelasannya dibawah ini!
Hierarchical Clustering adalah metode analisis kelompok yang berusaha untuk membangun sebuah hierarki kelompok data. Secara umum, ada 2 strategi pengelompokkan clustering ini yaitu agglomerative (Bottom-Up) dan Devisive (Top-Down). Dan kali ini, akan dibahas mengenai strategi Agglomerative)
A. Pengertian AHC
Agglomerative Hierarchical Clustering (Metode Penggabungan/Bottom-Up) adalah strategi pengelompokkan hierarki yang dimulai dengan setiap objek dalam satu cluster yang terpisah kemudian membentuk cluster yang semakin membesar. Jadi, banyaknya cluster awal adalah sama dengan banyaknya objek. Ada beberapa kelompok data pada AHC yaitu :
-
Single Linkage yaitu jarak antara memer terdekat
dari dua cluster
-
Complete Linkage yaitu jarak maksimum antara
cluster
-
Average Linkage yaitu Jarak rata-rata antara
cluster
B. Langkah-langkah pada Algoritma AHC
1. Hitung matrik jarak antar data menggunakan Euclidean atau Manhattan Disatance
2. Gabungkan dua kelompok terdekat menjadi satu kelompok data yaitu Single Linkage (Jarak terjauh) dan Average Linkage (Jarak Rata-Rata)
3. Perbarui Matrik jarak antar data untuk merepresentasikan antara kelompok baru dengan kelopok yang masih tersisa
4. Ulangi langkah 2 dan 3 sampai hanya satu kelompok saja yang tersisa
C. Algoritma Agglomerative
1. Konversi
Attribut menjadi distance matrix
2. Diawal,
tiap objek atau sampel adalah cluster tunggal
3. Lakukan
tahap dibawah ini hingga cluster menjadi satu :
-
Merge dua cluster terdekat (similar)
-
Update distance matrix
Tidak ada komentar:
Posting Komentar