FM-UDINUS-BM-04-15/R0

UJIAN TENGAH SEMESTER (MATRIKULASI) T.A. 2022/2023

LEMBAR SOAL
Mata Kuliah : Peng. Konsep Clustering Waktu : s.d Rabu pk 20.00
Hari / Tanggal : Rabu , 09/08/2023 Sifat : Take Home
Kelompok : Clustering Dosen : Susilo

UTS Matrikulasi MK “Pengantar Konsep Clustering”

(Take Home)

Diketahui data 10 mahasiswa (data ke-1 s..d data ke-10) dengan Nilai Tengah Semester (UTS)
dan Nilai Akhir Semester (UAS) seperti tertera dalam tabel berikut:
Berdasar pada data mahasiswa tersebut di samping, lakukan proses
klasterisasi dengan menggunakan metode K-means.
Tugas:
1. Tuliskan tahap-tahap dalam melakukan proses klasterisasi
dengan algoritma K-means.
2. Tentukan pengelompokan data mahasiswa tersebut menjadi 3
cluster dengan centroid awal ditentukan pada data ke-3, 5 dan
7.
3. Simpan jawaban soal ini dalam file dengan fomat PDF dengan
nama file UTS-MATR-Cluster_NIM_Nama.PDF
4. Diunggah melalui WAG kelompok ini paling lambat Rabu pk
22.00.
Catatan: Gunakan pengolah data Excel.

Selamat Mengerjakan

Diperiksa oleh : Disahkan oleh : Kaprogdi Teknik Pilih item.

Nama : Prof. Dr. Susilo, M.S. Nama : Dr. Aripin

Tanggal : 8-8-2023 Tanggal :

Tandatangan : Tandatangan :

Halaman 1 dari 2
 FM-UDINUS-BM-04-15/R0

Diperiksa oleh : Disahkan oleh : Kaprogdi Teknik Pilih item.

Nama : Prof. Dr. Susilo, M.S. Nama : Dr. Aripin

Tanggal : 8-8-2023 Tanggal :

Tandatangan : Tandatangan :

Halaman 2 dari 2
DATA Diketahui data 10 mahasiswa (data ke 1 sd ke-10) dengan
UTS UAS
KE nilaitengah semester (UTS) dan nilai akhir semester (UAS) seperti
1 1 1 tertera pada tebal disamping:
2 4 1
3 6 1
4 1 2
5 2 3
6 5 3
7 2 5
8 3 5
9 2 6
10 3 8

1) Tentukan nilai K (Jumlah cluster) sesuai dengan keinginan

2) Pilih sebanyak K data sebagai pusat cluster ( centroid) secara acak

DATA
CENTROID UTS UAS
KE
3 1 6 1
5 2 2 3
7 3 2 5

3) Menghitung jarak antara objek dengan masing-masing centroid

DATA X (UTS) Y (UAS) d-c1 d-c2 d-c3 d-min cluster

1 1 1 5 2,236068 4,123106 2,236068 cl2
2 4 1 2 2,828427 4,472136 2 cl1
3 6 1 0 4,472136 5,656854 0 cl1
4 1 2 5,09902 1,414214 3,162278 1,414214 cl2
5 2 3 4,472136 0 2 0 cl2
6 5 3 2,236068 3 3,605551 2,236068 cl1
7 2 5 5,656854 2 0 0 cl3
8 3 5 5 2,236068 1 1 cl3
9 2 6 6,403124 3 1 1 cl3
10 3 8 7,615773 5,09902 3,162278 3,162278 cl3
 4) Mengelompokan objek berdasarkan jarak terdekat dari centroid

DATA DATA
cl1 cl2 cl3 UTS UAS
KE KE
1 1 1 1 1
2 1 2 4 1
3 1 3 6 1
4 1 4 1 2
5 1 5 2 3
6 1 6 5 3
7 1 7 2 5
8 1 8 3 5
9 1 9 2 6
10 1 10 3 8

5) Menentukan centroid baru

Iterasi ke-2:
Penentuan cluster baru X Y
Centroid baru yang ke-1 5 1,666667
Centroid baru yang ke-2 1,333333 2
Centroid baru yang ke-3 2,5 6

6) Ulangi langkah 3 dan 4 hingga tak ada lagi objek yang berpindah cluster

DATA X(UTS) Y(UAS) d-cl1 d-cl2 d-cl3 d-min cluster KET.

1 1 1 4,055175 1,054093 5,220153 1,0540926 cl2 TETAP
2 4 1 1,20185 2,848001 5,220153 1,2018504 cl1 TETAP
3 6 1 1,20185 4,772607 6,103278 1,2018504 cl1 TETAP
4 1 2 4,013865 0,333333 4,272002 0,3333333 cl2 TETAP
5 2 3 3,282953 1,20185 3,041381 1,2018504 cl2 TETAP
6 5 3 1,333333 3,800585 3,905125 1,3333333 cl1 TETAP
7 2 5 4,484541 3,073181 1,118034 1,118034 cl3 TETAP
8 3 5 3,887301 3,431877 1,118034 1,118034 cl3 TETAP
9 2 6 5,270463 4,055175 0,5 0,5 cl3 TETAP
10 3 8 6,64162 6,227181 2,061553 2,0615528 cl3 TETAP
 7) Karena clusternya tetap maka diagram pencar dari data tersebut sebagai berikut:

Hasil diagram pencar

ket:
UAS Biru =cluster 1
9 Merah = cluster 2
1 hijau = cluster 3
8
4
7
6 6

5 1
4 2
3 5
2 2
1 3
0 2
0 1 2 3 4 5 6 7