Contoh Perhitungan Manual Algoritma K - Medoids Clustering

No Nama Agen Ket.
Barang Jenis Barang Jumlah Ton

1 BUANA LISTYA TAMA TBK, PT CRUDE PALM OIL Muat 1000
2 RAFINA TIRTA SAMUDRA, PT CRUDE PALM OIL Muat 939
3 USDA SEROJA JAYA, PT CRUDE PALM OIL Muat 5175
4 BAHARI SANDI PRATAMA, PT CRUDE PALM OIL Bongkar 3501
5 SNEPAC SHIPPING, PT CRUDE PALM OIL Bongkar 3501
6 RIZKIA ARMADA NUSANTARA, PT CRUDE PALM OIL Muat 13001
8 BINTANG SAMUDERA UTAMA, PT CRUDE PALM OIL Muat 3950
10 SAMUDERA SARANA KARUNIA, PT CRUDE PALM OIL Muat 7501
11 BINTANG SAMUDERA UTAMA, PT RBD PALM OLEIN Muat 6001
12 RIZKIA ARMADA NUSANTARA, PT RBD PALM OLEIN Muat 6151
13 USDA SEROJA JAYA, PT BAHAN BAKAR Muat 3750
14 SAMUDERA SARANA KARUNIA, PT BAHAN BAKAR Muat 7500
15 BARAKOMINDO SHIPPING, PT CRUDE PALM OIL Muat 4000
16 PELAYARAN CAHAYA PAPUA, PT RBD PALM STEARIN 2800
17 SAMUDERA SARANA KARUNIA, PT CRUDE PALM OIL Bongkar 7501
18 PELAYARAN CAHAYA PAPUA, PT CRUDE PALM OIL Muat 3500
20 BARAKOMINDO SHIPPING, PT CRUDE PALM OIL Bongkar 3001
1 Cleaning Data = hapus data yang tidak terisi lengkap datanya

[hapus data baris ke - 16]
No Nama Agen Ket. Barang Jenis Barang Jumlah Ton

2 Normalisasi Data ke - 1 = Ganti setiap Ket. Barang dan Jenis Barang menjadi angka
karena K - Medoids melakukan perhitungan dengan menggunakan angka
CRUDE PALM OIL = 1 Muat = 1
RBD PALM OLEIN = 2 Bongkar = 2
BAHAN BAKAR = 3

1 BUANA LISTYA TAMA TBK, PT 1 1 1000
2 RAFINA TIRTA SAMUDRA, PT 1 1 939
3 USDA SEROJA JAYA, PT 1 1 5175
4 BAHARI SANDI PRATAMA, PT 1 2 3501
5 SNEPAC SHIPPING, PT 1 2 3501
6 RIZKIA ARMADA NUSANTARA, PT 1 1 13001
8 BINTANG SAMUDERA UTAMA, PT 1 1 3950
10 SAMUDERA SARANA KARUNIA, PT 1 1 7501
15 BARAKOMINDO SHIPPING, PT 1 1 4000
18 PELAYARAN CAHAYA PAPUA, PT 1 1 3500
3 Normalisasi Data ke - 2 = cari nilai minimum dan maksimum dari ket. Barang, jenis barang dan jumlah ton

2 RAFINA TIRTA SAMUDRA, PT 1 1 939
4 BAHARI SANDI PRATAMA, PT 1 2 3501
5 SNEPAC SHIPPING, PT 1 2 3501
Min 1 1 939
Max 3 2 13001
4 Rumus Normalisasi Data untuk setiap baris / record ke - i

[(baris ke - i) - (nilai minimum) / (nilai maksimum) - (nilai minimum)]
Ket. Barang Jenis Barang Jumlah Ton

0.000 0.000 0.005
0.000 0.000 0.000
0.000 0.000 0.351
0.000 1.000 0.212
0.000 1.000 0.212
0.000 0.000 1.000
0.000 0.000 0.005
0.000 0.000 0.250
0.000 0.000 0.585
0.000 0.000 0.544
0.500 0.000 0.420
0.500 0.000 0.432
1.000 0.000 0.233
1.000 0.000 0.544
0.000 0.000 0.254
0.000 1.000 0.544
0.000 0.000 0.212
0.000 0.000 0.192
0.000 1.000 0.171
ang dan jumlah ton
>> ubah menjadi 3 angka dibelakang desimal
No Ket. Barang Jenis Barang Jumlah Ton
1 0.000 0.000 0.005 1. Tentukan k (jumlah cluster / kelompok) yang diinginkan = yang
2 0.000 0.000 0.000
3 0.000 0.000 0.351 2. Pilih secara acak medoid awal sebanyak k dari n data = misalkan
4 0.000 1.000 0.212
5 0.000 1.000 0.212 Ket. Barang Jenis Barang Jumlah Ton
6 0.000 0.000 1.000 O18 0.000 0.000 0.192
7 0.000 0.000 0.005 O19 0.000 1.000 0.171
8 0.000 0.000 0.250
9 0.000 0.000 0.585
10 0.000 0.000 0.544
11 0.500 0.000 0.420
12 0.500 0.000 0.432
13 1.000 0.000 0.233
14 1.000 0.000 0.544
15 0.000 0.000 0.254
16 0.000 1.000 0.544
17 0.000 0.000 0.212
18 0.000 0.000 0.192
19 0.000 1.000 0.171
3. Hitung jarak masing - masing objek / data ke medoid sementara
Cost 1 Cost 2
1 0.186951 1.013667
2 0.192008 1.014507
3 0.159178 1.016113
4 1.000208 0.041452
5 1.000208 0.041452
6 0.807992 1.298970
7 0.186951 1.013667
8 0.057619 1.003090
9 0.393384 1.082480
10 0.352015 1.067325
11 0.549389 1.145364
12 0.554657 1.148129
13 1.000842 1.415576
14 1.060121 1.462573
15 0.061764 1.003424
16 1.060148 0.373072
17 0.020312 1.000855
18 0.000000 1.000222
19 1.000222 0.000000
4. Tandai jarak terdekat minimum objek ke medoid dan hitung totalnya

Cost 1 Cost 2 Kedekatan Minimum
1 0.186951 1.013667 0.186951
2 0.192008 1.014507 0.192008
3 0.159178 1.016113 0.159178
4 1.000208 0.041452 0.041452
5 1.000208 0.041452 0.041452
6 0.807992 1.298970 0.807992
7 0.186951 1.013667 0.186951
8 0.057619 1.003090 0.057619
9 0.393384 1.082480 0.393384
10 0.352015 1.067325 0.352015
11 0.549389 1.145364 0.549389
12 0.554657 1.148129 0.554657
13 1.000842 1.415576 1.000842
14 1.060121 1.462573 1.060121
15 0.061764 1.003424 0.061764
16 1.060148 0.373072 0.373072
17 0.020312 1.000855 0.020312
18 0.000000 1.000222 0.000000
19 1.000222 0.000000 0.000000
Jumlah Total Kedekatan 6.039158
5. Penentuan anggota cluster terhadap medoid sementara
Cost 1 Cost 2 Kedekatan Minimum Cluster

1 0.186951 1.013667 0.186951 1
2 0.192008 1.014507 0.192008 1
3 0.159178 1.016113 0.159178 1
4 1.000208 0.041452 0.041452 2
5 1.000208 0.041452 0.041452 2
6 0.807992 1.298970 0.807992 1
7 0.186951 1.013667 0.186951 1
8 0.057619 1.003090 0.057619 1
9 0.393384 1.082480 0.393384 1
10 0.352015 1.067325 0.352015 1
11 0.549389 1.145364 0.549389 1
12 0.554657 1.148129 0.554657 1
13 1.000842 1.415576 1.000842 1
14 1.060121 1.462573 1.060121 1
15 0.061764 1.003424 0.061764 1
16 1.060148 0.373072 0.373072 2
17 0.020312 1.000855 0.020312 1
18 0.000000 1.000222 0.000000 1
19 1.000222 0.000000 0.000000 2
Jumlah Total Kedekatan 6.039158
6. Lakukan iterasi medoid 7. Kembali ke tahap yang ke - 2

(i)
No Ket. Barang Jenis Barang Jumlah Ton Ket. Barang Jenis Barang Jumlah Ton
1 0.000 0.000 0.005 O1 0.000 0.000 0.005
2 0.000 0.000 0.000 O2 0.000 0.000 0.000
3 0.000 0.000 0.351
4 0.000 1.000 0.212
5 0.000 1.000 0.212
6 0.000 0.000 1.000
7 0.000 0.000 0.005
8 0.000 0.000 0.250
9 0.000 0.000 0.585
10 0.000 0.000 0.544
11 0.500 0.000 0.420
12 0.500 0.000 0.432
13 1.000 0.000 0.233
14 1.000 0.000 0.544
15 0.000 0.000 0.254
16 0.000 1.000 0.544
17 0.000 0.000 0.212
18 0.000 0.000 0.192
19 0.000 1.000 0.171
8. Jika selisih "Total Kedekatan" lebih besar atau sama dengan 0 / "Total Kedekatan" tahap terakhir lebih besar dari tah
iterasi medoid dihentikan. Jika tidak, iterasi medoid tetap dilanjutkan hingga selisih lebih besar atau sama dengan 0 (no
Selisih Kedekatan = 4.969611 ATAU 11.008770 > 6.039158
Hasil akhir cluster adalah pada percobaa pertama

k) yang diinginkan = yang di inginkan misalkan 2 cluster
ak k dari n data = misalkan objek no 18 dan 19

(ii) (iii)
Cost 1 Cost 2 Cost 1 Cost 2 Kedekatan Minimum
0.000000 0.005057 0.000000 0.005057 0.000000
0.005057 0.000000 0.005057 0.000000 0.000000
0.346128 0.351186 0.346128 0.351186 0.346128
1.021270 1.022309 1.021270 1.022309 1.021270
1.021270 1.022309 1.021270 1.022309 1.021270
0.994943 1.000000 0.994943 1.000000 0.994943
0.000000 0.005057 0.000000 0.005057 0.000000
0.244570 0.249627 0.244570 0.249627 0.244570
0.580335 0.585392 0.580335 0.585392 0.580335
0.538965 0.544023 0.538965 0.544023 0.538965
0.649538 0.652778 0.649538 0.652778 0.649538
0.657546 0.660841 0.657546 0.660841 0.657546
1.025660 1.026796 1.025660 1.026796 1.025660
1.135955 1.138363 1.135955 1.138363 1.135955
0.248715 0.253772 0.248715 0.253772 0.248715
1.135995 1.138403 1.135995 1.138403 1.135995
0.207262 0.212320 0.207262 0.212320 0.207262
0.186951 0.192008 0.186951 0.192008 0.186951
1.013667 1.014507 1.013667 1.014507 1.013667
Total Kedekatan 11.008770
rakhir lebih besar dari tahap sebelumnya, maka

ar atau sama dengan 0 (nol).
(iv)
Cost 1 Cost 2 Kedekatan Minimum Cluster
0.000000 0.005057 0.000000 1
0.005057 0.000000 0.000000 2
0.346128 0.351186 0.346128 1
1.021270 1.022309 1.021270 1
1.021270 1.022309 1.021270 1
0.994943 1.000000 0.994943 1
0.000000 0.005057 0.000000 1
0.244570 0.249627 0.244570 1
0.580335 0.585392 0.580335 1
0.538965 0.544023 0.538965 1
0.649538 0.652778 0.649538 1
0.657546 0.660841 0.657546 1
1.025660 1.026796 1.025660 1
1.135955 1.138363 1.135955 1
0.248715 0.253772 0.248715 1
1.135995 1.138403 1.135995 1
0.207262 0.212320 0.207262 1
0.186951 0.192008 0.186951 1
1.013667 1.014507 1.013667 1
Total Kedekatan 11.008770
CLUSTER 1
CLUSTER 2

Contoh Perhitungan Manual Algoritma K - Medoids Clustering

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Contoh Perhitungan Manual Algoritma K - Medoids Clustering

Diunggah oleh

Hak Cipta:

Format Tersedia

No Nama Agen Ket.

Barang Jenis Barang Jumlah Ton

1 Cleaning Data = hapus data yang tidak terisi lengkap datanya

No Nama Agen Ket. Barang Jenis Barang Jumlah Ton

No Nama Agen Ket. Barang Jenis Barang Jumlah Ton

No Nama Agen Ket. Barang Jenis Barang Jumlah Ton

4 Rumus Normalisasi Data untuk setiap baris / record ke - i

Ket. Barang Jenis Barang Jumlah Ton

3. Hitung jarak masing - masing objek / data ke medoid sementara

4. Tandai jarak terdekat minimum objek ke medoid dan hitung totalnya

5. Penentuan anggota cluster terhadap medoid sementara

Cost 1 Cost 2 Kedekatan Minimum Cluster

6. Lakukan iterasi medoid 7. Kembali ke tahap yang ke - 2

Selisih Kedekatan = 4.969611 ATAU 11.008770 > 6.039158

Hasil akhir cluster adalah pada percobaa pertama

ak k dari n data = misalkan objek no 18 dan 19

rakhir lebih besar dari tahap sebelumnya, maka

Anda mungkin juga menyukai