Tema Pelatihan
CLUSTERING DAN EVALUASI
Peran Utama Data Mining
1. Estimasi
2. Forecasting
3. Klasifikasi
4. Clustering
5. Asosiasi
Peserta mampu:
A. Membangun model Clustering
B. Mengevaluasi model Clustering
Clustering
● Algoritma Clustering:
K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means (FCM),
etc
K-Means
K-Means
● Dalam machine-learning dan statistic K-Means merupakan metode analisis
kelompok yang mengarah pada pembagian N obyek pengamatan ke dalam K
kelompok (cluster), dimana setiap obyek dimiliki oleh sebuah kelompok
dengan mean (rata-rata)
● Metode ini mencoba untuk menemukan pusat dari kelompok (centroid) dalam
data sebanyak iterasi perbaikan yang dilakukan.
● Metode ini berusaha membagi data kedalam kelompok sehingga data yang
berkarakteristik sama dimasukkan ke dalam satu kelompok sementara data
yang berkarakteristik berbeda dimasukkan dalam kelompok yang lain.
K-Means
Aturan K-Means
Clustering
● Pada contoh kasus ini algoritma yang kita gunakan adalah k-means dengan
(k = 5)
Model yang Dibentuk
● Jika di klik Run, maka hasilnya akan seperti ini Davies Bouldin bersifat
absolute (+/- tidak ada perbedaan) (ukuran nilai: 0 s.d 1)
Tugas
Tulis jawaban Anda dalam satu file PDF berisi model algoritma baru dan
rekomendasi tindak lanjut. Simpan file dengan format TugasClustering_Nama
Lengkap.PDF
#Jadijagoandigital
Terima Kasih