Klasifikasi Menggunakan K-Means
Klasifikasi Menggunakan K-Means
(Pertemuan 10 Machinelearning)
Halo teman sobat cerita pada kali ini akan sharing terkait klasifikasi menggunakan K-Means. apa sih itu K-Means? dan bagaimana penerapanannya dalam mengelola data? yuk kita simak.
Pendahuluan
Dalam sistem klasifikasi terdapat 2 jenis klasifikasi yaitu :
- Supervised classification (untuk klasifikasinya udah jelas)
- Unsupervised Classification (klasifikasinya belum jelas)
Clustering dapat dianggapyang paling penting dalam masalah unsupervised learning. sebuah cluster merupakan kumpulan objek-objek yang "sama" diantara mereka dan "berbeda" pada objek dari cluster lainnya.
K-Means
K-Means merupakan algoritma untuk cluster n objek berdasarkan atribut menjadi k partisi, dimana k<n. Secara umum K-Means clustering merupakan salah satu metode data clustering non-hirarki (tidak ada level apakah data lebih tinggi atau rendah dari yang lain) yang mengelompokkan data dalam bentuk satu atau lebih cluster/kelompok. Ketentuan objek saat melakukan clustering menggunakan K-Means :
- Mempunyai tingkat homogenitas yang tinggi dalam satu kelompok
- Mempunyai tingkat heterogenitas yang tinggi antar kelompok
Tujuan K-Means
Tujuannya adalah untuk mendapatkan kelompok-kelompok dimana dalam 1 kelompok memiliki tingkat homogentias yang tinggi dan memiliki tingkat heterogenitas yang tinggi antar kelompok
Gambar 1.2 Hasil clustering
Langkah-Langkah Algoritma K-Means :
- Menentukan jumlah cluster
- Menentukan nilai centroid
Dalam menentukan nilai centroin untuk awal iterasi, nilai awal centroid dilakukan secara acak. sedangkan jika menentukan nilai centroid yang merupakan tahap dari iterasi, maka digunakan rumus : - Gambar 2.0 Rumus untuk Algoritma K-Means
Komentar
Posting Komentar