“Laporan ini disusun untuk memenuhi nilai Ujian Akhir Semester (UAS)
mata kuliah Kecerdasan Buatan”
Disusun Oleh :
i
DAFTAR ISI
COVER....................................................................................................i
DAFTAR ISI............................................................................................ii
Latar Belakang........................................................................................1
Metode......................................................................................................2
Hasil..........................................................................................................6
Kesimpulan..............................................................................................7
ii
LATAR BELAKANG
1
METODE
Blok Diagram
Menyiapkan Data Set Data Set Berupa Excel.csv Visual Code Membuat Program
Data Input
Dataset diatas adalah dataset awal kami yang mana kami memiliki
data sebanyak 20 data untuk dijadikan input. Di Data ini Ada Gender,
Age, Annual Income (k$), dan Spending Score(%).
2
Proses Pada Metode
Melakukan pre-processing pada dataset awal yang mana kami
membuang bagian customer id dan mengubah kolom gender. Yaitu male
menjadi 1 dan female menjadi 2 agar program python dapat memahami
input yang kami berikan.
3
Pada Tugas Individu kali ini saya hanya akan melakukan clustering pada
kolom Annual Income(k$) dan Spending Score saja, dan dibagi kedalam 5
cluster.
Output
Berikut adalah output dari program saya.
Dilihat dari output program python pada aplikasi visual studio code
diatas dapat diperoleh data sebagai berikut:
- Data 11, 13, 15 masuk ke cluster 1
- Data 2, 6, 10, 14, 16 dan 18 masuk ke cluster 2
- Data 1, 5, 17 dan 19 masuk cluster 3
4
- Data 4, 8, 12 dan 20 masuk cluster 4
- Data 3, 7 dan 9 masuk cluster 5
- Cluster 1 memiliki nilai centroid [19.66666667, 14 ]
- Cluster 2 memiliki nilai centroid [51.83333333, 52.33333333]
- Cluster 3 memiliki nilai centroid [19, 35.75 ]
- Cluster 4 memiliki nilai centroid [42.25 , 46.5 ]
- Cluster 5 memiliki nilai centroid [19.66666667, 5]
Pemrograman/Algoritma
5
HASIL
Grafik
6
KESIMPULAN
Dilihat dari settingan dan data diatas maka dapat disimpulkan bahwa:
- Cluster 2 memiliki tingkat rata-rata spending score paling tinggi diantara
cluster yang lain yaitu 52.3 %, dengan rata-rata umur 51.83333333 tahun.
- Cluster 2 juga memiliki rata-rata umur paling tinggi yaitu 51.83333333 tahun
memiliki spending score hanya 52.33333333%.
- Cluster 3 yang memiliki rata-rata umur paling rendah yaitu 19 tahun memiliki
spending score 35.75 %.
- Dan spending score paling rendah dimiliki oleh cluster 5 yaitu, 5%
Dengan rata-rata umur adalah 19.66666667 tahun.