PENGANTAR

- PEMBELAJARAN TANPA PENGAWASAN MEMPERTIMBANGKAN SITUASI DI MANA

TIDAK ADA PENGAWAS DAN SISWA BELAJAR SENDIRI. MENCOBA MENGGALI ILMU
YANG BERMANFAAT TANPA ADA BIMBINGAN DARI.
-DENGAN DEMIKIAN, PEMBELAJARAN TANPA PENGAWASAN LEBIH OTOMATIS
DARIPADA PEMBELAJARAN DENGAN PENGAWASAN, MESKIPUN TUJUANNYA BELUM
TENTU DITENTUKAN DENGAN JELAS
- TUGAS KHAS PEMBELAJARAN TANPA PENGAWASAN ADALAH PENGELOMPOKAN
DATA
- TEKNIK PEMBELAJARAN TANPA PENGAWASAN TELAH MENCAPAI SUKSES BESAR
DALAM BERBAGAI MASALAH DUNIA NYATA, SEPERTI DIAGNOSIS SISTEM,
KEAMANAN, DETEKSI PERISTIWA, DAN ANALISIS JARINGAN SOSIAL. JUGA DAPAT
DIGUNAKAN SEBAGAI LANGKAH PREPROCESSING DARI PEMBELAJARAN YANG
SEDANG BELAJAR

Pengantar Kecerdasan Buatan

2022
P E M B E L A J A R A N
K E K E L O M P O K A N
 PENGANTAR

-CLUSTERING ADALAHPEMBELAJARAN TANPA PENGAWASAN. TUJUANNYA UNTUK

MENGKATEGORIKAN SAMPEL INPUT KE DALAM KELOMPOK TANPA PENGAWASAN
APA PUN.
-BIASANYA, SAMPEL YANG SERUPA DIANGGAP MILIK CLUSTER YANG SAMA, DAN
SAMPEL YANG BERBEDA SEHARUSNYA MILIK CLUSTER YANG BERBEDA
-BAGAIMANA MENGUKUR KESAMAAN ANTARA SAMPEL ADALAH MASALAH UTAMA
DALAM PENGELOMPOKAN
K - M E A N S
 PENGANTAR

- ALGORITMA K-MEANS ADALAH SALAH SATU JENIS ALGORITMA YANG

DIGUNAKAN DALAM CLUSTERING
- CLUSTERING ADALAH OPERASI YANG KETIKA DIBERIKAN SATU SET DATA
MENGKLASIFIKASIKAN DATA SERUPA KE DALAM KELOMPOK. DASAR
KESAMAAN BERVARIASI MENURUT ALGORITME, BERGANTUNG PADA HAL-HAL
SEPERTI JARAK ANTARA TITIK DATA ATAU KOORDINATNYA

-> ->
 K-BERARTI

-ALGORITMA K-MEANS MENGGUNAKAN JARAK DARI PUSAT SETIAP CLUSTER

UNTUK MENGKLASIFIKASIKAN DATA
 ALGORITMA K-MEANS

1. SIAPKAN DATA UNTUK PENGELOMPOKAN

2. TENTUKAN JUMLAH CLUSTER

MISALNYA 3 CLUSTER. 3 TITIK PUSAT KLASTER DITETAPKAN DI LOKASI ACAK
 ALGORITMA K-MEANS

3. DARI SETIAP TITIK DATA, DIHITUNG JARAK KE PUSAT CLUSTER TERDEKAT

 ALGORITMA K-MEANS

4. SETIAP TITIK DATA DIKELOMPOKKAN DI BAWAH SALAH SATU CLUSTER YANG

TELAH DITENTUKAN
 ALGORITMA K-MEANS

5. RATA-RATA TITIK DATA DI SETIAP CLUSTER DIHITUNG, DAN TITIK PUSAT

CLUSTER DIPINDAHKAN KE SANA. KARENA RELOKASI TITIK PUSAT INI,
KEMUNGKINAN TITIK PUSAT TERDEKAT DAPAT BERUBAH UNTUK BEBERAPA TITIK
DATA

->
 ALGORITMA K-MEANS

6. JARAKTERPENDEK KE TITIK PUSAT DIHITUNG SEKALI LAGI, DAN TITIK DATA

DIKELOMPOKKAN KEMBALI MENJADI CLUSTER
7. PROSES PENETAPAN SETIAP TITIK DATA KE SEBUAH CLUSTER DAN
MEMINDAHKAN TITIK PUSAT KE RATA-RATA GRUP BERULANG SAMPAI
KONVERGENSI TITIK PUSAT TERCAPAI

-> ->
 ALGORITMA K-MEANS

- MARI
KITA COBA JALANKAN ALGORITMA K-MEANS PADA DATA YANG SAMA
DENGAN HANYA 2 CLUSTER DAN LIHAT APA YANG TERJADI

SEPERTI YANG ANDA LIHAT, HASIL PENGELOMPOKAN

KARENA PENEMPATAN ACAK DARI
LOKASI TITIK PUSAT AWAL ADALAH A
KARAKTERISTIK ALGORITMA K-MEANS
T E R I M A K A S I H