Scribd
Unggah
46 tayangan8 halaman

Algoritma K-Means

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

Diunggah oleh

arisnurba
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PPTX, PDF, TXT atau baca online di Scribd
46 tayangan8 halaman

Algoritma K-Means

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

Diunggah oleh

arisnurba
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PPTX, PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 8

ALGORITMA K-MEANS

1. AISYAH AGUSTINA (18183207052P3)


2. GITZAL PRASETYA D. (16183207044)
3. BAGAS NOVIAN P. (16183207045)
4. SYAHROWI ANWAR (16183207048)
5. ZAINU ROKHIM (16183207049)
DEFINISI ALGORITMA K-MEANS

K-Means Clustering adalah salah satu


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...

Anda mungkin juga menyukai