0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
21 tayangan8 halaman
Algoritma K-Means adalah metode clustering data secara tidak terarah yang membagi data menjadi sejumlah kelompok berdasarkan kemiripan, dengan setiap kelompok memiliki satu pusat yang mewakili kelompok tersebut. Algoritma ini bekerja dengan menentukan pusat kelompok secara acak, kemudian menghitung jarak setiap data ke pusat kelompok dan mengelompokkannya ke kelompok terdekat, sebelum mengulang proses ter
Algoritma K-Means adalah metode clustering data secara tidak terarah yang membagi data menjadi sejumlah kelompok berdasarkan kemiripan, dengan setiap kelompok memiliki satu pusat yang mewakili kelompok tersebut. Algoritma ini bekerja dengan menentukan pusat kelompok secara acak, kemudian menghitung jarak setiap data ke pusat kelompok dan mengelompokkannya ke kelompok terdekat, sebelum mengulang proses ter
Algoritma K-Means adalah metode clustering data secara tidak terarah yang membagi data menjadi sejumlah kelompok berdasarkan kemiripan, dengan setiap kelompok memiliki satu pusat yang mewakili kelompok tersebut. Algoritma ini bekerja dengan menentukan pusat kelompok secara acak, kemudian menghitung jarak setiap data ke pusat kelompok dan mengelompokkannya ke kelompok terdekat, sebelum mengulang proses ter
algoritma clustering / pengelompokan data yang bersifat Unsupervised Learning, yang berarti masukan dari algoritma ini menerima data tanpa label kelas. Fungsi dari algoritma ini adalah mengelompokkan data kedalam beberapa cluster. TAHAPAN ALGORITMA K-MEANS Start
Tentukan Jumlah Data
Cluster
Tentukan Titik Pusat Cluster
Menghitung Jarak Objek
dengan Centroid
Kelompokan Objek Berdasarkan Jarak Minimum
Jika kelompok data hasil
T perhitungan baru, sama dengan hasil perhitungan Y kelompok data baru End CONTOH PERHITUNGAN ALGORITMA K-MEANS CONTOH PERHITUNGAN ALGORITMA K-MEANS
a. Tentukan Jumlah Data Cluster
Jumlah cluster yang digunakan sebanyak 3 (tiga) data yang diambil secara acak dari Tabel Data Mahasiswa. b. Tentukan Titik Pusat Cluster CONTOH PERHITUNGAN ALGORITMA K-MEANS
c. Menghitung Jarak Objek dengan Centroid
Jarak antara data dan pusat cluster dihitung menggunakan Euclidian Distance, yaitu menggunakan rumus berikut :
d. Kelompokan Objek Berdasarkan Jarak Minimum
e. Ulangi langkah poin (b) jika kelompok data hasil perhitungan baru, belum sama dengan hasil perhitungan kelompok data baru. ANALISA HASIL CLUSTERING TERIMA KASIH...