Nama : Mohammad Rizal Muzaky

NIM : 1718108
Kelas : B

Soal !
Setelah mempelajari materi Clustering, sebutkan perbedaan antara Clustering dengan
Classification, berikan penjelasan disertai jenis-jenisk Clustering

Jawab :
1. Klasifikasi : Memprediksi kategori kelas label – Mengklasifikasikan data (konstruksi model)
didasarkan pada training set dan nilai-nilai (label kelas) di kelas label atribut – Menggunakan
model dalam mengklasifikasikan data baru
Cluster: kumpulan objek data – Mirip satu sama lain dalam cluster yang sama – Berbeda
dengan benda-benda di kelompok lainnya.

Perbedaan lain antara kedua teknik (terkait dengan yang sebelumnya), adalah fakta bahwa
klasifikasi adalah bentuk diskrit regresi masalah di mana output adalah kategoris variabel
dependen. Sedangkan clustering's output hasil satu set subset yang disebut kelompok. Cara
untuk mengevaluasi dua model ini juga berbeda untuk alasan yang sama: dalam klasifikasi
anda sering harus memeriksa ketepatan dan ingat, hal-hal seperti terjadinya overfitting dan
underfitting, dll. Hal-hal yang akan memberitahu anda bagaimana yang baik adalah model.
Tapi dalam clustering biasanya anda membutuhkan visi dan ahli untuk menafsirkan apa yang
anda cari, karena anda don't tahu apa jenis struktur yang anda miliki (jenis kelompok atau
cluster). Yang's mengapa clustering termasuk analisis data eksplorasi.

Akhirnya, saya akan mengatakan bahwa aplikasi ini adalah perbedaan utama antara keduanya.
Klasifikasi sebagai kata kata, digunakan untuk membedakan contoh-contoh yang termasuk ke
dalam kelas atau yang lain, misalnya seorang pria atau seorang wanita, kucing atau anjing, dll.
Pengelompokan ini sering digunakan dalam diagnosis penyakit medis, penemuan pola, dll.
Jenis Jenis Clustering :
1. Metode partisi (partitioning methods): Misalkan, ditentukan satu set object sebanyak
n, metode partisi akan membuat partisi data sebanyak k, dimana setiap partisi akan
mewakili satu cluster dan k <= n. Artinya, metode ini akan membagi data menjadi
kelompok/grup sebanyak k sedemikian rupa sehingga masing-masing kelompok/grup
berisi minimal satu object.
2. Metode hirarki (hierarchical methods): Suatu metode hirarki membuat dekomposisi
atau penguraian atau pemecahan object-object secara hirarki pada dataset object-object
tertentu. Metode hirarki bisa digolongkan menjadi agglomerative maupun divisive,
tergantung bagaimana dekomposisi atau penguraian atau pemecahan dijalankan.
3. Metode berbasis densitas (density-based methods): Kebanyakan metode-metode
partisi meng-cluster object-object berdasarkan jarak antar object. Metode-metode seperti
ini bisa menghasilkan cluster-cluster yang hanya berbentuk bulat dan akan sulit
menemukan cluster-cluster yang berbentuk sembarangan. 
4. Metode berbasis grid (grid-based methods): Metode-metode berbasis grid meng-
kuantisasikan ruang object menjadi jumlah sel yang terbatas yang membentuk suatu
struktur grid.