Clustering
Clustering
Definisi :
pada kedekatan dari suatu karakteristik sample yang ada, salah satunya dengan
keputusan selalu tidak sama persis akan tetapi cenderung memiliki kemiripan
saja.
2.Manfaat
Ecluidean Distance:
d ( x, y ) ( x1 y1 ) 2 ( x2 y2 ) 2 ... ( x p y p ) 2
Atau :
1/ 2
p
d ( x, y ) | xi yi 2
|
i 1
Linkage dll.
(GA)
Pertama akan kita bahas dulu metode cluster secara statistic untuk non
Algoritma:
2. Lakukan proses perhitungan dari daftar item, tandai item untuk kelompok
kembali pusat centroid untuk item baru yang diterima pada cluster
3. Ulangi step 2 hingga tidak ada lagi tempat yang akan ditandai sebagai
cluster baru.
Contoh :
Item Observasi
X1 X2
A 5 3
B -1 1
C 1 -2
D -3 -2
Langkah pertama:
d 2 ( A, ( AB)) (5 2) 2 (3 2) 2 10
d 2 ( A, (CD )) (5 1) 2 (3 2) 2 61
Sejak A dekat pada cluster (AB) dibandingkan pada cluster (CD), maka
d 2 ( B, ( AB )) (1 2) 2 (112 ) 2 10
d 2 ( B, (CD)) ( 1 1) 2 (1 2) 2 9
Sehingga B akan ditandi kembali menjadi anggota baru pada cluster (CD),
Kita lihat setiap item yang baru telah ditandai untuk cluster berdasarkan
Bila memungkinkan