46
ditempatkan
dalam cara yang
cerdik karena
lokasi yang berbeda
menyebabkan
hasil yang berbeda pula. Jadi,
pilihan
terbaik
untuk
menempatkannya
sejauh
mungkin
satu sama
lain.
Langkah
selanjutnya
adalah
menjadikan
tiap
point masuk
dalam
set data
yang
diberikan
dan
mengasosiasikannya
ke
centroid
terdekat.
Ketika
tidak
ada point
yang
pending,
langkah
pertama
sempurna
dan
groupage
awal
selesai.
Pada
titik
ini
kita perlu
mengkalkulasi
ulang k
centroid
baru
sebagai
barycenter
dari
cluster
yang didapat
dari
tahap
sebelumnya.
Setelah
kita
mendapatkan
k
centroid
baru
ini, ikatan
baru
harus
dilakukan
antara
data
set
point
yang
sama dan
centroid
baru
terdekat.
Perulangan
dilakukan.
Dari
hasil
perulangan
ini kita
mungkin
memperhatikan
bahwa
k
centroid
mengubah
lokasinya
langkah
demi
langkah
hingga
akhirnya
tidak
ada
lagi
perubahan
yang
bisa dilakukan. Dengan kata lain centroid tidak bergerak lagi.
Algoritma
ini bertujuan pada peminimalan
sebuah
fungsi
objektif,
dalam
hal
ini fungsi
error
kuadrat.
Fungsi
objektifnya
:
dimana
adalah
ukuran
jarak
yang
dipilih
antara
data
point
dan pusat
cluster
,
adalah
sebuah
indikator
jarak
pada n data point dari pusat cluster.
 |