Perhitungan algoritma AHC (Agglomerative Hierarchical Clustering) adalah proses pengelompokan

data berdasarkan kemiripan antara objek-objek yang ada. Algoritma ini menggabungkan objek-objek
yang paling mirip satu sama lain untuk membentuk kelompok yang lebih besar, sehingga secara
bertahap membentuk hirarki kelompok.

Langkah-langkah perhitungan algoritma AHC dapat dijelaskan sebagai berikut:

1. Inisialisasi: Langkah pertama adalah menginisialisasi setiap objek sebagai kelompok terpisah.
Setiap objek dianggap sebagai kelompok tunggal pada awalnya.

2. Menghitung matriks jarak: Selanjutnya, jarak antara setiap pasangan objek harus dihitung. Matriks
jarak digunakan untuk merepresentasikan jarak antara setiap pasangan objek dalam bentuk tabel.

3. Menggabungkan objek yang paling mirip: Pada langkah ini, objek-objek yang memiliki jarak
terdekat di antara mereka akan digabungkan menjadi satu kelompok baru. Proses ini dilakukan
secara berulang hingga semua objek tergabung dalam satu kelompok.

4. Membentuk hirarki kelompok: Setiap kali objek-objek digabungkan, hirarki kelompok akan
diperbarui. Pohon hirarki dibentuk dengan menunjukkan hubungan antara kelompok-kelompok yang
terbentuk pada setiap langkah.

5. Menghentikan proses: Proses penggabungan akan berhenti ketika semua objek telah tergabung
dalam satu kelompok atau ketika kriteria penghentian lainnya terpenuhi, seperti jumlah kelompok
yang diinginkan telah tercapai.

Perhitungan algoritma AHC dapat dilakukan dengan menggunakan berbagai metode pengukuran
jarak, seperti Euclidean distance, Manhattan distance, atau correlation distance. Pilihan metode
pengukuran jarak ini akan mempengaruhi hasil clustering yang dihasilkan.

Selain itu, algoritma AHC juga dapat dikombinasikan dengan metode linkage untuk menentukan cara
penggabungan objek yang paling optimal. Beberapa metode linkage yang umum digunakan adalah
complete linkage, single linkage, dan average linkage.

Dalam melakukan perhitungan algoritma AHC, penting untuk memperhatikan kompleksitas waktu
dan ruang. Karena algoritma ini melibatkan perhitungan matriks jarak, kompleksitasnya dapat
meningkat secara eksponensial dengan jumlah objek yang ada.
Dalam kesimpulannya, perhitungan algoritma AHC adalah proses yang kompleks namun penting
dalam pengelompokan data berdasarkan kemiripan. Dengan memahami langkah-langkah yang
terlibat dalam algoritma ini, kita dapat mengaplikasikan AHC dengan tepat dan memahami hasil
clustering yang dihasilkan.