10-Clustering Dokumen (K-Means) - A - SA1250 - 5.0 - V2.08
10-Clustering Dokumen (K-Means) - A - SA1250 - 5.0 - V2.08
Table Of Contents
1. Konsep Dasar Clustering
2. Tahapan Clustering
3. K-Means Clustering
Algoritma K-Means
Rumus Umum K-Means
4. Case Study
Konsep Dasar
• Klusterisasi Data, atau Data Clustering juga
disebut sebagai analisis klaster, analisis
segmentasi, analisis taxonomi, atau
unsupervised classification.
• Metode yang digunakan untuk membangun
grup dari objek-objek, atau klaster-klaster,
dimana objek-objek dalam satu kluster tertentu
memiliki kesamaan ciri yang tinggi dan objek-
objek pada kluster yang berbeda memiliki
kesamaan ciri yang rendah.
Konsep Dasar
• Tujuan dari klasterisasi data adalah
mengelompokkan data yang memiliki
kesamaan ciri dan memisahkan data ke dalam
klaster yang berbeda untuk objek-objek yang
memiliki ciri yang berbeda.
• Berbeda dengan klasifikasi, yang memiliki
kelas yang telah didefinisikan sebelumnya.
Dalam klasterisasi, klaster akan terbentuk
sendiri berdasarkan ciri objek yang dimiliki dan
kriteria pengelompokan yang telah ditentukan.
Tahapan Klasterisasi
1. Feature Selection
– Penentuan informasi fitur yang digunakan.
2. Proximity Measure
– Tahap kuantifikasi item kemiripan data.
3. Clustering Criterion
– Penentuan fungsi pembobotan / tipe aturan.
4. Clustering Algorithm
– Metode klaster berdasarkan ukuran kemiripan data dan kriteria
klasterisasi.
5. Validation of the Result
6. Interpretation of the Result
Proximity Measure
• Koefisien kemiripan menunjukkan kekuatan
hubungan antara dua data.
• Semakin banyak kemiripan titik data satu sama
lain, maka semakin besar koefisien kesamaan.
• Misalkan x = (x1, x2, ..., xd) dan y = (y1, y2, ..., yd)
adalah dua titik data pada d dimensi. Maka nilai
koefisien kemiripan antara x dan y adalah
beberapa nilai atribut fungsi s(x,y) = s(x1, x2, ..., xd,
y1, y2, ..., yd).
Proximity Measure
• Pemilihan jarak pada clustering adalah sangat penting, dan pilihan yang
terbaik sering diperoleh melalui pengalaman, kemampuan, pengetahuan.
• Pengukuran Jarak Data :
– Numerik dengan banyak fitur atau dimensi (d) :
- Euclidean Distance : - Minkowski Distance :
1 1
2 r
d euclid ( x, y ) x j y j
d 2 d r
d minkow ( x, y ) x j y j , r 1
j 1 j 1
- Manhattan Distance : - Mahalanobis Distance :
d
d man ( x, y) x j y j d mah ( x, y ) x y 1 x y T
j 1
– Kategorikal : d j 1
- Simple Matching Distance
d sim ( x, y ) x j , y j
d
0 if x y
( x, y )
1 if x y j 1
Proximity Measure
• Jika x1=(1,2) dan x2=(2,3). Hitunglah Jarak x1 dan x2 dengan Euclidean!
1
d
2
1 1
22
2
1 2 2 3 1 1
1
d euclid ( x1 , x2 ) x1 j x2 j 2 1.4
2 2 2 2 2 2
j 1
1 2
3 5 5
4 x2
1
• Jika x1 Hitunglah Jarak x1 dan x2 dengan Mahalanobis!
7
2 3
1
n g ro u p
1 2
1 2 3 0.7 0.7 2 1 2
n
n C
i i
n1 n2
n C
i i i i 5 0.7
n C
0.7 5 2 4
i 1 i 1 5 i 1
0.4 0.4 0.4 0.8 0.8 0.4
0.4 0.4 0.8 1.6 0.4 2
2 0.4 1 2 0.4 1.4 0.3
Adj
1 1
1
0.8 * 2 0.4 * 0.4 0.4 0.8 1.44 0.4 0.8 0.3 0.6
Proximity Measure
1 2
5 5
• Jika x1 4 x2 Hitunglah Jarak x1 dan x2 dengan mahalanobis!
3 7 1
2 3
2 0.4 1 2 0.4 1.4 0.3
Adj
1 1
1
0.8 * 2 0.4 * 0.4 0.4 0.8 1.44 0.4 0.8 0.3 0.6
– Hitung Mean Different (X1,X2) :
1 3 2 2 4 3 5 7 5 1
x 2 3 x2 6 3
1
3 3 2 2
x1, x2 2 6 3 3 4 0
4
5.6 1.1 22.2 4.7
0
Clustering Algorithm
Clustering Algorithm
Sequential Hierarchical
Dx 1,1, C2 4.2,3.6 1 4.22 1 3.62 3.22 2.62 10.24 6.76 17 4.1231
Kelompok Kelompok
Data Fx Fy Jarak Ke C 1 Jarak Ke C 2 Jarak Ke C 3 Min
Baru Sebelumnya
1 1 1 0.5000 4.1231 3.8006 0.5000 1 1
2 4 1 3.0414 2.6077 4.1767 2.6077 2 2
3 6 1 5.0249 3.1623 5.4263 3.1623 2 2
4 1 2 0.5000 3.5777 2.8480 0.5000 1 1
5 2 3 1.8028 2.2804 1.6667 1.6667 3 3
6 5 3 4.2720 1.0000 3.4319 1.0000 2 2
7 2 5 3.6401 2.6077 0.3333 0.3333 3 3
8 3 5 4.0311 1.8439 1.0541 1.0541 3 2
9 2 6 4.6098 3.2558 1.3333 1.3333 3 3
10 3 8 6.8007 4.5607 3.4801 3.4801 3 2
Total 1.0000 13.1746 3.3333 (Total berdasarkan kelompok sebelumnya)