NAMA : RIZKA AULIA

NIM : 1503115215
TUGAS II INDIVIDU : METODE PENELITIAN ( REVIEW JURNAL
PENELITIAN)

1. Latar Belakang
a. Masalah

Clustering adalah proses pengelompokan objek data menjadi satu set kelas yang
disebut kelas cluster. Cluster adalah kumpulan objek yang serupa di antara mereka
sendiri dan berbeda dengan benda-benda milik kelompok lainnya.
Banyak metode telah diusulkan untuk memecahkan masalah clustering. Salah satu
metode clustering yang paling populer adalah yang dikembangkan oleh Mac Queen pada
tahun 1967. Metode berusaha mengelompokkan data yang ada ke dalam beberapa
kelompok, dimana data dalam satu kelompok mempunyai karakteristik yang sama satu
sama lainnya dan mempunyai karakteristik yang berbeda dengan data yang ada dalam
kelompok yang lain.
Algoritma K-Means lebih menonjol karena kecerdasannya mengelompokkan data
yang jumlahnya besar dengan cepat dan efisien. Namun, algoritma bermasalah dalam
penentuan pusat cluster awal. Dalam algoritma K-Means yang asli, centroid awal dipilih
secara acak dan karenanya kita mendapatkan cluster yang berbeda dengan cara yang
berbeda untuk data masukan yang sama. Selain itu, algoritma K-Means juga sangat
mahal harganya.
Berbagai metode telah diusulkan di literatur untuk meningkatkan akurasi dan
efisiensi algoritma clustering. Jurnal ini menyajikan metode yang disempurnakan untuk
memperbaiki akurasi dan efisiensi K-Means. Metode ini menyajikan cara menemukan
sentroid awal yang lebih baik dan memberikan cara yang efisien untuk menetapkan titik
data ke kelompok yang sesuai dengan kompleksitas waktu yang singkat. Dalam
algoritma ini dua metode yang digunakan, salah satu metode untuk menemukan centroids
awal yang lebih baik. Dan metode lain untuk cara yang efisien untuk menetapkan titik
data ke kelompok yang sesuai.
b. Rumusan Masalah
Berdasarkan uraian yang kami kemukakan di atas maka rumusan masalah yang dapat
diambil adalah Bagaimana cara kerja metode yang diusulkan dalam menentukan centroid
awal pada algoritma K-Means.

c. Tujuan Penelitian
Berdasarkan rumusan masalah diatas maka tujuan penelitian ini adalah mengusulkan
metode yang lebih baik pada algoritma dalam menemukan centroids awal dengan
kompleksitas waktu yang singkat dibandingkan dari algoritma aslinya. Selain itu, metode
ini juga memberikan cara yang efisien untuk menetapkan titik data ke kelompok dalam
proses pengklusteran.

d. Metode Penelitian

Pada penelitian ini, metode penelitian yang dilakukan adalah Penelitian Tindakan, yang
bertujuan untuk mengembangkan keterampilan baru atau pendekatan baru dan
diterapkan langsung serta dikaji hasilnya. Penelitian tindakan menuntut adanya
perkembangan. Menurut Arikunto (2002: 18), penelitian tindakan adalah penelitian
tentang hal-hal yang terjadi di masyarakat atau kelompok sasaran, dan hasinya langsung
dapat dikenakan pada masyarakat yang bersangkutan. Karakteristik utama penelitian ini
adalah partisipasi dan kolaborasi antara peneliti dengan anggota sasaran.

e. Hasil dan Pembahasan

Kumpulan data yang sama digunakan sebagai masukan untuk algoritma asli.
Metode yang disempurnakan menemukan centroid awal secara sistematis. Metode yang
disempurnakan hanya membutuhkan nilai data dan jumlah cluster sebagai masukan. Dan
tidak ada masukan tambahan seperti nilai ambang batas.

Algoritma asli diiterasi tujuh kali untuk set nilai yang berbeda dari centroid awal.
Dalam setiap percobaan ketepatan dan waktu, dihitung dan diambil akurasi rata-rata dan
waktu dari semua percobaan. Tabel 1 menunjukkan perbandingan kinerja algoritma.

Hasil Juga ditunjukkan dengan bantuan diagram batang pada Gambar. 2, 3, 4, 5

dan 6. Hasil yang diperoleh menunjukkan bahwa algoritma yang diusulkan menghasilkan
hasil pengelompokan unik yang lebih baik dibandingkan dengan algoritma dalam jumlah
waktu komputasi yang kurang.
f. Kesimpulan

Salah satu algoritma clustering yang paling populer adalah algoritma K-Means,
namun dalam metode ini kualitas cluster akhir sangat bergantung pada centroid awal,
yang dipilih secara acak.

Selain itu, algoritma juga sangat mahal harganya. Algoritma yang diusulkan
ditemukan lebih akurat dan efisien dibandingkan dengan algoritma asli. Metode yang
diusulkan ini menemukan centroid yang lebih baik dan memberikan cara yang efisien
untuk menetapkan titik data ke kelompok yang sesuai. Metode ini memastikan
mekanisme total pengelompokan dalam O (nlogn) waktu tanpa kehilangan keakuratan
cluster. Pendekatan ini tidak memerlukan input tambahan seperti nilai ambang batas.
 Nilai k, jumlah cluster yang diinginkan masih perlu untuk diperbaiki sebagai saran
untuk pengembangan di masa yang akan datang. Yakni menentukan nilai k dengan cara
otomatis.

Note :

- Nama jurnal : Madhu Yedla et al. / (IJCSIT) International Journal of Computer

Science and Information Technologies, Vol. 1 (2) 2010, 121-125
- Judul jurnal : Enhancing Clustering Algorithm with Improved Initial Center
(Meningkatkan Algoritma Clustering dengan Perbaikan Centroid Awal)
- Penulis : Madhu Yedla, Srinivasa Rao Pathakota, T M Srinivasa
- Tahun : 2010
- Alamat : Department of Computer Science and Engineering, National Institute of
Technology Calicut (Calicut, Kerala, India -673601 )