�ݺ�ߣ

ilmubiner@gmail.com

Data Mining

http://ilmubiner.blogspot.com

Belajar Mudah Algoritma Data Mining Clustering : k-means
Clustering atau analisis cluster adalah :
• Proses pembentukan kelompok data (cluster) dari himpunan data yang tidak diketahui
kelompok-kelompok atau kelas-kelasnya.
• Proses menentukan data-data termasuk ke dalam cluster yang mana.
Bisa dibilang, clustering merupakan proses untuk mengetahui kelas-kelas atau taksonomi atau
botryologi, atau analisis topologi dari data-data yang ada. Dilihat dari kacamata data mining,
clustering bukanlah proses klasifikasi. Karena dalam proses klasifikasi, data dikelompokkan ke
dalam kelas-kelas yang telah diketahui sebelumnya.
Ada beberapa metode atau model untuk melakukan clustering, antara lain :
• Model connectivity.
• Model centroid.
• Model density.
• Model subspace.
• Model group.
• Model graph based.
Algoritma k-means merupakan model
centroid. Model centroid adalah model yang
menggunakan centroid untuk membuat
cluster. Centroid adalah “titik tengah” suatu
cluster. Centroid berupa nilai. Centroid
digunakan untuk menghitung jarak suatu
objek data terhadap centroid. Suatu objek data
termasuk dalam suatu cluster jika memiliki
jarak terpendek terhadap centroid cluster
tersebut.
Secara umum algoritma k-means adalah :
1. Menentukan banyaknya cluster (k).
2. Menentukan centroid.
3. Apakah centroid-nya berubah?
a. Jika ya, hitung jarak data dari centroid.
b. Jikat tidak, selesai.
4. Mengelompokkan data berdasarkan jarak
yang terdekat.
Diagram alir (flowchart) algoritma k-means
ada pada Gambar 1. Sedangkan Gambar 2
merupakan contoh posisi titik-titik data dan
centroid-centroid-nya (lingkaran yang lebih
besar.

Gambar 1. Diagram Alir Algoritma k-means

Page 1 of 5

ilmubiner@gmail.com

Data Mining


Untuk lebih jelasnya, berikut pembahasan pemakaian
algoritma k-means. Tabel 1 berisi data sumber yang
akan dianalisis cluster-nya :
Tabel 1. Data Sumber
n
1
2
3
4

a
1
2
4
5

b
1
1
3
4

Gambar 2. Contoh Cluster
1. Tentukan banyaknya cluster adalah dua (k = 2) yang akan dibuat. Banyaknya cluster
harus lebih kecil dari pada banyaknya data (k < n).
2. Tentukan centroid setiap cluster.
Untuk menentukan centroid awal (initial centroid) banyak metode yang dapat digunakan.
Di sini metode yang digunakan adalah mengambil data dari data sumber, secara acak atau
random (Sel yang berwarna kuning dan hijau di Tabel 1).
Tabel 2. Centroid pada Pengulangan ke-0

c1
c2

a
1
2

b
1
1

Untuk pengulangan berikutnya (pengulangan ke-1 sampai selesai), centroid baru dihitung
dengan menghitung nilai rata-rata data pada setiap cluster. Jika centroid baru berbeda
dengan centroid sebelumnya, maka proses dilanjutkan ke langkah berikutnya. Namun
jika centroid yang baru dihitung sama dengan centroid sebelumnya, maka proses
clustering selesai.
3. Hitung jarak data dengan centroid. Rumus-rumus untuk menghitung jarak antara lain :
a. Euclidean.
b. Manhattan / City Block.
c. Minkowski.
Rumus yang digunakan di sini adalah rumus Euclidean Distance :

Page 2 of 5

ilmubiner@gmail.com

=
=
=
=
=

,

Data Mining

=

(


− )

Jarak data dengan cluster 1 adalah :
( ,

) = (

( +,

) = (

( ,

( ,

) = (
) = (

%
+

−

) +(

−

) +(

−
−

) +(
) +(

%
+

−

!)

=

(1 − 1) + (1 − 1) = 0

−

!)

=

(5 − 1) + (4 − 1) = 5

−
−

!)
!)

=
=

(2 − 1) + (1 − 1) = 1

(4 − 1) + (3 − 1) = 3.605551

Jarak data dengan cluster 2 adalah :
( ,

) = (

( +,

) = (

( ,
( ,

) = (
) = (

%
+

−

) +(

−

) +(

−
−

) +(
) +(

%
+

−

!)

=

(1 − 2) + (1 − 1) = 1

−

!)

=

(5 − 2) + (4 − 1) = 4.242641

−
−

!)
!)

=
=

(2 − 2) + (1 − 1) = 0

(4 − 2) + (3 − 1) = 2.828427

Untuk seterusnya, hitung jarak pada setiap baris data, dan hasilnya seperti pada Tabel 3.
Tabel 3. Hasil Perhitungan Jarak
n
1
2
3
4

a
1
2
4
5

b
1
1
3
4

dc1
dc2
0
1
1
0
3.605551 2.828427
5
4.242641

4. Kelompokkan data sesuai dengan cluster-nya, yaitu data yang memiliki jarak terpendek.
Contoh; karena ( , ) < ( , ) maka
masuk ke dalam cluster 1. Pada Tabel 4,
data n = 1 masuk ke dalam cluster 1 karena dc1 < dc2, sedangkan data n = 2, 3, 4 masuk
ke dalam cluster 2 karena dc2 < dc1.

Page 3 of 5

ilmubiner@gmail.com

Data Mining


Tabel 4. Hasil Perhitungan Jarak dan Pengelompokkan Data
n
1
2
3
4

a
1
2
4
5

b
1
1
3
4

dc1
dc2
0
1
1
0
3.605551 2.828427
5
4.242641

c1
Ok

c2
Ok
Ok
Ok

5. Proses kembali lagi ke langkah no. 2.
Untuk hasil clustering yang lebih lengkap, berikut tabel-tabel hasil analisis dan perhitungan dari
awal sampai selesai :
Inisialisasi
n
1
2
3
4

a
1
2
4
5

b
1
1
3
4

c1
c2

a
1
2

b
1
1

n
1
2
3
4

a
1
2
4
5

b
1
1
3
4

dc1
dc2
0
1
1
0
3.605551 2.828427
5
4.242641

c1
Ok

c2
Ok
Ok
Ok

Pengulangan ke-1
c1
c2
n
1
2
3
4

a
b
Nilai pada sel diperoleh dari menghitung
1
1
rata-rata pada tabel di atasnya sesuai
3.666667 2.666667 dengan warna sel
a
1
2
4
5

b
1
1
3
4

dc1
dc2
0
3.14466
1
2.357023
3.605551 0.471405
5
1.885618

Page 4 of 5

c1
Ok
Ok

c2

Ok
Ok

ilmubiner@gmail.com

Data Mining


Pengulangan ke-2
c1
c2

a
1.5
4.5

b
1
3.5

n
1
2
3
4

a
1
2
4
5

b
1
1
3
4

a
1.5
4.5

b
1
3.5

dc1
0.5
0.5
3.201562
4.609772

dc2
4.301163
2.357023
0.471405
1.885618

c1
Ok
Ok

Pengulangan ke-3
c1
c2

Karena centroid tidak mengalami perubahan (sama dengan centroid
sebelumnya) maka proses clustering selesai

[EoF]

Page 5 of 5

c2

Ok
Ok

�ݺ�ߣ

Belajar mudah algoritma data mining k means

Recommended

More Related Content

What's hot (20)

Viewers also liked (20)

Similar to Belajar mudah algoritma data mining k means (20)

Belajar mudah algoritma data mining k means