K-Means Clustering

 Hai, temen-temen semua. Kali ini pembahasannya tentang K-Means Clustering. Apa sih K-Means Clustering itu? Simak penjelasannya dibawah ini!

   Dalam System klasifikasi ada 2 jenis pengklasifikasian yaitu supervised classification dan unsupervised classification. Clustering dapat dianggap paling penting dalam masalah unsupervised learning. Sebuah cluster merupakan kumpulan objek-objek yang sama diantara mereka dan berbeda pada objek dari cluster lainnya.

A. PENGERTIAN K-MEANS

          K-Means merupakan algoritma unyuk cluster n objek berdasarkan atribut menjadi k partisi, dimana k < n. Secara umum, K-means Clustering merupakan salah satu metode data clustering non-hierarki yang mengelompokkan data dalam bentuk satu atau lebih kelompok atau cluster. Tujuan dari K-Means Clustering ini adalah untuk mendapatkan kelompok-kelompok, dimana dalam satu kelompok, memiliki tingkat homogenitas yang tinggi dan memiliki tingkat heterogenitas yang tinggi antar kelompok.

B. ANALISIS K-MEANS CLUSTERING

    Analisis K-Means Clustering adalah teknik statistika yang berguna untuk mengelompokkan objek kedalam K Cluster yang telah ditentukan di awal dimana setiap objek mempunyai tingkat homogenitas yang tinggi DALAM satu kelompok dan mempunyai tingkat heterogenitas yang tinggi ANTAR kelompok.

  

C. LANGKAH-LANGKAH DALAM K-MEANS CLUSTERING

         Langkah-langkah dalam algoritma K-Means Clustering yaitu dengan :

      1. Menentukan Jumlah cluster

      2. Menentukan nilai centroid

         Dalam menentukan nilai centroid untuk awal iterasi, nilai awal centroid dilakukan secara acak. Sedangkan jika menentukan nilai centroid yang merupakan tahap dari iterasi, maka digunakan rumus sebagai berikut : 

      3. Menghitung jarak antara titik centroid dengan titik tiap objek

      4. Pengelompokan objek untuk menentukan anggota cluster adalah dengan memperhitungkan jarak minumum objek

      5. Kemudian, tentukan lagi nilai centroidnya sesuai dengan langkah ke-2, lakukan perulangan hingga nilai centroid yang dihasilkan tetap dan anggota cluster tidak berpindah ke cluster lain.

D. TRANSFORMASI DATA METODE K-MEANS

          Metode K-Meanss Clustering hanya bisa mengolah data dalam bentuk angka, maka untuk data yang berbentuk nominal harus di inisialisasikan terlebih dahulu dalam bentuk angka. Langkah-langkahnya adalah :

- Urutkan data berdasarkan frekuensi kemunculannya

- Inisialisasikan data tersebut mulai dari data tertinggi dengan nilai 1, kemudian data selanjutnya 2, 3 dan seterusnya.

Nah, itu dia pembahasan mengenai K-Means Clustering kali ini. Mohon maaf atas apabila ada kesalahan atau kekeliruan, untuk itu kalian boleh komen dibawah apa untuk memperbaiki kekeliruannya atau mungkin ada masukan juga, silahkan tulis di kolom komentar dibawah. Sekian untuk pembahasan blog kali ini, jangan lupa pantengin terus pembahasan di blog-blog selanjutnya. Terima kasih dan Bye :)

Sumber :

Dosen Machinelearning ITPLN Ibu Efy Yosrita ,S.Si, M.Kom