Data Mahasiswa
1 Agus 170 70
2 Arif 180 75
3 Iwan 168 80
4 Yasinta 160 60
5 Esti 165 65
7 Bayu 172 80
8 Beno 175 70
9 Ramadhan 168 60
10 Indah 160 60
Mahasiswa yang memiliki berat dan tinggi badan yang hampir sama dikelompokkan
tersendiri
1. Mahasiswa yang memiliki berat dan tinggi badan yang hampir sama
dikelompokkan akan berada pada kelompok yang sama.
2. Mahasiswa yang yang memiliki berat dan tinggi badan yang berbeda akan berada
pada kelompok yang berbeda.
Penyelesaian :
1 Agus 170 70
2 Arif 180 75
3 Iwan 168 80
4 Yasinta 160 60
5 Esti 165 65
7 Bayu 172 80
8 Beno 175 70
9 Ramadhan 168 60
10 Indah 160 60
Langkah 2 : Pilih centroid awal secara acak, pada langkah ini secara acak akan dipilih 3
buah data sebagai centroid, misalnya : 𝑑𝑎𝑡𝑎 {2, 7, 9}
𝑀1 = (180,75), 𝑀2 = (172,80), 𝑀3 = (168,60)
Pada langkah ini setiap data akan ditentukan centroid terdekatnya dan data tersebut
akan ditetapkan sebagai anggota kelompok yang terdekat dengan centroid
Untuk menghitung jarak ke centroid masing-masing cluster pada nama pertama sebagai
berikut :
𝑫𝒂𝒕𝒂 𝟏 ∶ (𝟏𝟕𝟎, 𝟕𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝑴𝟏 = (𝟏𝟖𝟎, 𝟕𝟓), 𝑴𝟐 = (𝟏𝟕𝟐, 𝟖𝟎), 𝑴𝟑 = (𝟏𝟔𝟖, 𝟔𝟎)
𝑫𝒂𝒕𝒂 𝟑 ∶ (𝟏𝟔𝟖, 𝟖𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝑴𝟏 = (𝟏𝟖𝟎, 𝟕𝟓), 𝑴𝟐 = (𝟏𝟕𝟐, 𝟖𝟎), 𝑴𝟑 = (𝟏𝟔𝟖, 𝟔𝟎)
𝑫𝒂𝒕𝒂 𝟒 ∶ (𝟏𝟔𝟎, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝑴𝟏 = (𝟏𝟖𝟎, 𝟕𝟓), 𝑴𝟐 = (𝟏𝟕𝟐, 𝟖𝟎), 𝑴𝟑 = (𝟏𝟔𝟖, 𝟔𝟎)
𝑫𝒂𝒕𝒂 𝟓 ∶ (𝟏𝟔𝟓, 𝟔𝟓), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝑴𝟏 = (𝟏𝟖𝟎, 𝟕𝟓), 𝑴𝟐 = (𝟏𝟕𝟐, 𝟖𝟎), 𝑴𝟑 = (𝟏𝟔𝟖, 𝟔𝟎)
𝑫𝒂𝒕𝒂 𝟕 ∶ (𝟏𝟕𝟐, 𝟖𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝑴𝟏 = (𝟏𝟖𝟎, 𝟕𝟓), 𝑴𝟐 = (𝟏𝟕𝟐, 𝟖𝟎), 𝑴𝟑 = (𝟏𝟔𝟖, 𝟔𝟎)
𝑫𝒂𝒕𝒂 𝟖 ∶ (𝟏𝟕𝟓, 𝟕𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝑴𝟏 = (𝟏𝟖𝟎, 𝟕𝟓), 𝑴𝟐 = (𝟏𝟕𝟐, 𝟖𝟎), 𝑴𝟑 = (𝟏𝟔𝟖, 𝟔𝟎)
𝑫𝒂𝒕𝒂 𝟏𝟎 ∶ (𝟏𝟔𝟎, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝑴𝟏 = (𝟏𝟖𝟎, 𝟕𝟓), 𝑴𝟐 = (𝟏𝟕𝟐, 𝟖𝟎), 𝑴𝟑 = (𝟏𝟔𝟖, 𝟔𝟎)
3 Iwan 13 4 20 C2
4 Yasinta 25 23.32 8 C3
10 Indah 25 23.32 8 C3
𝐶𝑙𝑢𝑠𝑡𝑒𝑟 2 = {1, 3, 7}
𝑩𝑪𝑽 = 𝑑(𝑚1, 𝑚2) + 𝑑(𝑚1, 𝑚3) + 𝑑(𝑚2, 𝑚3) = 9.43 + 19.20 + 20.39 = 49.02
Menghitung WCV
Dengan memilih jarak tekecil antara data dengan centroid pada masing-masing cluster :
1 Agus 10.19
2 Arif 0
3 Iwan 4
4 Yasinta 8
5 Esti 5.83
7 Bayu 0
8 Beno 7.07
9 Ramadhan 0
10 Indah 8
Cluster 1
Arif 180 75
Beno 175 70
Cluster 2
Agus 170 70
Iwan 168 80
Bayu 172 80
Cluster 3
Agus 170 70
Yasinta 160 60
Esti 165 65
Ramadhan 168 60
Indah 160 60
Mean 164.6 63
Kembali kelangkah 3, jika masih ada data yang berpindah cluster atau jika nilai centroid
diatas nilai ambang, atau jika nilai pada fungsi obyektif yang digunakan masih di atas
ambang.
𝑫𝒂𝒕𝒂 𝟏 ∶ (𝟏𝟕𝟎, 𝟕𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝑫𝒂𝒕𝒂 𝟐 ∶ (𝟏𝟖𝟎, 𝟕𝟓), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝑫𝒂𝒕𝒂 𝟑 ∶ (𝟏𝟔𝟖, 𝟖𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝑫𝒂𝒕𝒂 𝟒 ∶ (𝟏𝟔𝟎, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝑫𝒂𝒕𝒂 𝟓 ∶ (𝟏𝟔𝟓, 𝟔𝟓), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝑫𝒂𝒕𝒂 𝟖 ∶ (𝟏𝟕𝟓, 𝟕𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝑫𝒂𝒕𝒂 𝟗 ∶ (𝟏𝟔𝟖, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝑫𝒂𝒕𝒂 𝟏𝟎 ∶ (𝟏𝟔𝟎, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 = (𝟏𝟔𝟒. 𝟔, 𝟔𝟑)
𝐶𝑙𝑢𝑠𝑡𝑒𝑟 2 = {1, 3, 7}
Pada langkah ini dihitung pula rasio antara besaran BCV (Between Cluster Variation)
dengan WCV (Within Cluster Variation)
Karena centroid 𝑀1 = (177.5, 72.5), 𝑀2 = (170, 76.67), 𝑀3 = (164.6, 63)
𝑩𝑪𝑽 = 𝑑(𝑚1, 𝑚2) + 𝑑(𝑚1, 𝑚3) + 𝑑(𝑚2, 𝑚3) = 8.58 + 16.02 + 14.69 = 39.29
Dengan memilih jarak tekecil antara data dengan centroid pada masing-masing cluster :
1 Agus 6.66
2 Arif 0
3 Iwan 3.88
4 Yasinta 5.49
5 Esti 2.03
7 Bayu 3.88
8 Beno 3.53
9 Ramadhan 4.53
10 Indah 5.49
𝑾𝑪𝑽 = 6.662 + 02 + 3.882 + 5.492 + 2.032 + 3.882 + 3.532 + 4.532 + 5.492 = 171.67
𝐵𝐶𝑉 39.29
Sehingga besar rasio = 𝑊𝐶𝑉 = 171.67 = 0.228
Bila dibandingkan maka rasio sekarang (0.228) lebih besar dari rasio sebelumnya (0.147)
oleh karena itu algoritma dilanjutkan kelangkah berikutnya
Cluster 1
Arif 180 75
Beno 175 70
Agus 170 70
Iwan 168 80
Bayu 172 80
Cluster 3
Yasinta 160 60
Esti 165 65
Ramadhan 168 60
Indah 160 60
Kembali kelangkah 3, jika masih ada data yang berpindah cluster atau jika nilai centroid
diatas nilai ambang, atau jika nilai pada fungsi obyektif yang digunakan masih di atas
ambang.
𝑫𝒂𝒕𝒂 𝟏 ∶ (𝟏𝟕𝟎, 𝟕𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 =
(𝟏𝟔𝟑. 𝟐𝟓, 𝟔𝟏. 𝟐𝟓)
𝑫𝒂𝒕𝒂 𝟑 ∶ (𝟏𝟔𝟖, 𝟖𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 =
(𝟏𝟔𝟑. 𝟐𝟓, 𝟔𝟏. 𝟐𝟓)
𝑫𝒂𝒕𝒂 𝟒 ∶ (𝟏𝟔𝟎, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 =
(𝟏𝟔𝟑. 𝟐𝟓, 𝟔𝟏. 𝟐𝟓)
𝑫𝒂𝒕𝒂 𝟓 ∶ (𝟏𝟔𝟓, 𝟔𝟓), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 =
(𝟏𝟔𝟑. 𝟐𝟓, 𝟔𝟏. 𝟐𝟓)
𝑫𝒂𝒕𝒂 𝟕 ∶ (𝟏𝟕𝟐, 𝟖𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 =
(𝟏𝟔𝟑. 𝟐𝟓, 𝟔𝟏. 𝟐𝟓)
𝑫𝒂𝒕𝒂 𝟗 ∶ (𝟏𝟔𝟖, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 =
(𝟏𝟔𝟑. 𝟐𝟓, 𝟔𝟏. 𝟐𝟓)
𝑫𝒂𝒕𝒂 𝟏𝟎 ∶ (𝟏𝟔𝟎, 𝟔𝟎), 𝒄𝒆𝒏𝒕𝒓𝒐𝒊𝒅 𝒎𝟏 = (𝟏𝟕𝟕. 𝟓, 𝟕𝟐. 𝟓), 𝒎𝟐 = (𝟏𝟕𝟎, 𝟕𝟔. 𝟔𝟕), 𝒎𝟑 =
(𝟏𝟔𝟑. 𝟐𝟓, 𝟔𝟏. 𝟐𝟓)
𝐶𝑙𝑢𝑠𝑡𝑒𝑟 2 = {1, 3, 7}
Pada langkah ini dihitung pula rasio antara besaran BCV (Between Cluster Variation)
dengan WCV (Within Cluster Variation)
Karena centroid 𝑀1 = (177.5, 72.5), 𝑀2 = (170, 76.67), 𝑀3 = (163.25, 61.25)
𝑩𝑪𝑽 = 𝑑(𝑚1, 𝑚2) + 𝑑(𝑚1, 𝑚3) + 𝑑(𝑚2, 𝑚3) = 8.58 + 18.15 + 16.38 = 43.11
Menghitung WCV
Dengan memilih jarak tekecil antara data dengan centroid pada masing-masing cluster :
1 Agus 6.66
2 Arif 0
3 Iwan 3.88
4 Yasinta 3.48
5 Esti 4.13
7 Bayu 3.88
8 Beno 3.53
9 Ramadhan 4.91
10 Indah 3.48
𝑾𝑪𝑽 = 6.662 + 02 + 3.882 + 3.482 + 4.132 + 3.882 + 3.532 + 4.912 + 3.482 = 152.28
𝐵𝐶𝑉 43.11
Sehingga besar rasio = 𝑊𝐶𝑉 = 152.28 = 0.283
Bila dibandingkan maka rasio sekarang (0.283) lebih besar dari rasio sebelumnya (0.228)
tetapi karena pada iterasi 3 cluster tidak berubah maka aloritma dihentikan.
Jarak Terdekat
1 Agus C2 & C3 C2 C2
2 Arif C1 C1 C1
3 Iwan C2 C2 C2
4 Yasinta C3 C3 C3
5 Esti C3 C3 C3
7 Bayu C2 C2 C2
8 Beno C1 C1 C1
9 Ramadhan C3 C3 C3
10 Indah C3 C3 C3
Pengelompokan Mahasiswa
Cluster 1
Arif 180 75
Beno 175 70
Cluster 2
Agus 170 70
Iwan 168 80
Bayu 172 80
Cluster 3
Yasinta 160 60
Esti 165 65
Ramadhan 168 60
Indah 160 60