Clustering dengan K-Means
-
Upload
kidung-hudha-candra-bumi -
Category
Documents
-
view
296 -
download
2
Transcript of Clustering dengan K-Means
TUGAS PENGENALAN POLA CLUSTERING DENGAN K-MEANS
Kidung Hudha Candra Bumi 08/265927/PA/11929
Jurusan Ilmu Komputer dan Elektronika Fakultas Matematika dan Ilmu Prngrtahuan Alam Universitas Gadjah Mada 2011
Clustering adalah pengelompokan sejumlah besar obyek berdasarkan ciri atau atribut tertentu kedalam sejumlah kelompok atau cluster. Dengan clustering dan algoritma clustering yang ada, sejumlah obyke yang memiliki nilai parameter atau atribut yang mendekati sama akan dapat dikelompokkan dengan mudah. Tujuan dari clustering dalam pengenalan pola adalah untuk melakukan analisa, selanjutnya untuk mengenali secara lebih rinci pola-pola yang dimiliki oleh suatu kumpulan obyek. Untuk pengumpulan objek, terdapat sejumlah algoritma yang banyak digunakan dalam menggunakan clustering, antara lain C-Means, Isodata dan K-Means. Dalam tulisan ini, pembatasan dibatasi hanya pada algoritma clustering K-Means. Algoritma k-means merupakan algoritma yang relatif sedehana untuk mengklasifikasikan atau mengelompokkan sejumlah besar obyek dengan atribut tertentu kedalam kelompok sebanyak K. Pada algoritma K-means, jumlah cluster K sudah ditentukan lebih dahulu. Berikut adalah flowchart dari alogortma K-Means clustering.
Contoh Programdata = [11;12;13;14;15;16;17;18;19;20;21;22;23;24;25;26;27;28;29;30;31;32;7564;789 6;1]; k=3; % tentukan jumlah cluster isRand=1; % 0 -> inisialisasi center secara sekuensial % 1 -> inisialisasi center secara random [maxRow, maxCol]=size(data) if maxRow