A1 Joni Pradista 2 10
A2 Wilda Kirana 2 5
A3 Puji Astin 8 4
A4 Lukman Priambodo 5 8
A5 Nunik Lumiati 7 5
A6 Ningsih Muliati 6 4
A8 Laksmi Wardani 4 9
Dari data di atas akan kita pisah menjadi 3 kelompok (k=3), yang tujuannya adalah mencari metode training
yang tepat pada masing-masing kelompok FC tersebut.
K-Means Clustering
Pertama kita tentukan saja A1, A4 dan A7 sebagai pusat dari masing-masing Cluster. Pemilihan pusat cluster
bisa dipilih secara acak. Selanjutnya pusat cluster tersebut kita sebut sebagai P1=A1=(2,10), P2=A4=(5,8) dan
P3=A7=(1,2).
Untuk mengetahui distance/jarak kita pakai saja rumus Eucledian distance:
d(a,b)=sqrt((xb-xa) +(yb-ya) ))
d(a,b) : jarak antara a dan
b xa = koordinat x objek
xb= koordinat x pusat yb =
koordinatyobjek
yb=koordinat x pusa
Nilaiatributdariobjekinidianggapsebagaikoordinat.Jikaada3atribut,makajaraknyabisa dihitung dengan:
d(a,b)=sqrt((xb-xa)2+(yb-ya)2+(zb-za)2))
Iterasi 1
Tabel 2. Menghitung Jarak Objek dengan Pusat pada Iterasi 1
Karena A1 jaraknya paling keciladalah 0,yaitu dengan pusat P1,maka A1 berada dipusat 1.
Karen aA2 jaraknya paling keciladalah 3.16,yaitu dengan pusat P3,maka A2 beradadipusat 3.
…dst.
Iterasi 3
Tabel 3. Perhitungan Jarak Objek dengan Pusat pada Iterasi 3
P1 (3,9.5) P2 (6.5, 5.25) P3 (1.5,3.5)
Iterasi 4
Tabel 4. Perhitungan Jarak pada Iterasi 4
P1 (3.67, 9) P2 (7, 4.34) P3 (1.5, 3.5)
Karena cluster yang terbentuk pada iterasi4 sama dengan cluster yang terbentuk pada cluster
sebelumnya (cluster 3), maka iterasi selesai/berhenti.
Yang berarti:Joni,Lukman,dan Laksmi akan mendapat metode pengajaran yang sama.Begitu juga dengan
Puji, Nunik,dan Ningsih.SertaWilda dan Jefri.