Rabu, 26 Juni 2013

Project Peminatan - Algoritma K-Means

K-Means : Termasuk partition clustering yang memisahkan data ke k daerah bagian yang terpisah

Ciri-Ciri K-means yaitu:
  • K- Means algoritma sangat terkenal karena kemudahan dan kemampuannya untuk mengklaster data besar dan data outliet dengan sangat cepat
  • Setiap data harus masuk ke cluster tertentu
  • Data masuk ke cluster tertentu dan dapat berpindah ke cluster yang lainnya pada tahap proses berikutnya
Langkah Langkah Algoritma K-Means :
  1. Tentukan k sebagai jumlah cluster yang ingin dibentuk
  2. Bangkitkan k centeroid awal secara random
  3. Hitung jarak setiap data ke masing masing centeroid
  4. Setiap data memilih centeroid yang terdekat
  5. Tentukan posisi centeroid baru dengan cara menghitung nilai rata rata dari data data yang memilih pada centeroid yang sama
  6. Kembali ke langkah 3 jika posisi centeroid baru dengan centeroid lama tidak sama
Karateristik K-Means
  • K-Means dangat cepat dalam proses clustering
  • K-Means sangat sensitive pada pemangkitan centeroid awal secara random
  • Memungkinkan suatu cluster tidak mempunyai anggota
  • Hasil clusteringdengan k means bersifat tidak unik (slalu berubah ubah) terkadang baik terkadang jelek
  • K-Means sangat sulit untuk mencapai global optimum
K-Means












Kelemahan Algoritma K-Means
K-Means


0 comments :

Posting Komentar