44
2.4.5
K-Means Clustering
Menurut Everitt (2005, p122), K-means clustering
adalah sebuah
teknik dalam mencari pembagian sekelompok data menjadi sejumlah
kelompok yang lebih spesifik, k, dengan meminimalisasikan beberapa
kriteria, nilai-nilai dasar yang dianggap dapat menunjukkan sebuah solusi
yang ”baik”. Pendekatan yang umumnya sering digunakan, misalnya,
mencoba untuk menemukan pembagian dari n individu ke dalam kelompok
k, yang dapat meminimalkan jumlah dalam kelompok-kelompok dari semua
variabel. Masalahnya yang muncul kemudian relatif sederhana, yaitu
mempertimbangkan semua kemungkinan partisi dari n
individu ke dalam
kelompok k, dan memilih salah satu dengan jumlah nilai kelompok kuadrat
yang terendah.
J-S Chen et al (2004, pp977-978) dalam Journal of the Operational
Research Society Vol. 55, No. 9
menyatakan bahwa “To provide better
clustering results, we have developed a clustering algorithm to integrate the
K-means algorithm with the concepts of hierarchical approaches. This
proposed clustering algorithm consists of the following three steps: (1)
initialization, (2) iteration, and (3) merging.” Jadi, untuk menghasilkan
hasil klasterisasi yang baik, kita harus dapat mengembangkan algoritma
klasterisasi untuk mengintegrasi algoritma K-Means
dengan pendekatan
hirearki. Ada 3 langkah, yaitu inisialisasi, yaitu untuk memilih beberapa
objek sebagai titik awal. Langkah kedua adalah iterasi, yaitu dengan
 |