K-MEANS CLUSTERING
Dalam Algoritma ini pertama sekali yang harus dilakukan adalah menentukan
banyaknya kluster atau menentukan variabel K. Penentuan banyaknya kluster
tergantung pada kasus permasalahan. Setelah itu menentukan centroid atau pusat
dari masing-masing kluster tersebut. Penentuan pusat kluster dapat dilakukan
dengan berbagai cara seperti penentuan secara random dan metode lain.
Setiap data yang ada dimasukkan ke dalam kluster berdasarkan jarak square
euclidean terkecil ke sentroid dari masing-masing kluster. Setelah mengkategorikan
setiap data ke kluster yang ada, sentroid dari masing-masing kluster akan diupdate
dengan menghitung rata rata nilai pada kluster tersebut. Langkah-langkah diatas
akan diulangi hingga memenuhi kriteria tertentu. Demikian Algoritma K-Means
Clustering.
LINEAR REGRESSION
K-MEDIAN CLUSTERING
Dalam Algoritma ini pertama sekali yang harus dilakukan mirip dengan K-Means
Clustering yaitu menentukan banyaknya kluster atau menentukan variabel K.
Penentuan banyaknya kluster tergantung pada kasus permasalahan. Setelah itu
menentukan centroid atau pusat dari masing-masing kluster tersebut. Penentuan
pusat kluster dapat dilakukan dengan berbagai cara seperti penentuan secara
random dan metode lain.
Setiap data yang ada dimasukkan ke dalam kluster berdasarkan jarak manhattan
terkecil ke sentroid dari masing-masing kluster, tidak berdasarkan jarak euclidean
yang digunakan oleh K-Means Clustering. Setelah mengkategorikan setiap data ke
kluster yang ada, sentroid dari masing-masing kluster akan diupdate dengan
mengambil nilai median pada kluster tersebut, disini letak perbedaannya dengan
K-Means Clustering. Langkah-langkah diatas akan diulangi hingga memenuhi
kriteria tertentu. Demikian Algoritma K-Median Clustering.