jagomart
digital resources
picture1_Data Mining Slideshare 77378 | 6 Analisis Cluster  K Mean


 164x       Filetype PPTX       File size 0.12 MB    


File: Data Mining Slideshare 77378 | 6 Analisis Cluster K Mean
analisis cluster merupakan salah satu teknik data mining yang bertujuan untuk mengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik tertentu yang dapat dipisahkan dengan kelompok obyek lainnya sehingga obyek yang berada ...

icon picture PPTX Filetype Power Point PPTX | Posted on 03 Sep 2022 | 3 years ago
Partial capture of text on file.
      
       Analisis cluster merupakan salah 
      satu teknik data mining yang 
      bertujuan untuk mengidentifikasi 
      sekelompok obyek yang 
      mempunyai kemiripan 
      karakteristik tertentu yang dapat 
      dipisahkan dengan kelompok 
      obyek lainnya, sehingga obyek 
      yang berada dalam kelompok 
      yang sama relatif lebih homogen 
      daripada obyek yang berada 
      pada kelompok yang berbeda.
                 Contoh penggunaan analisis 
                 cluster
       1. Identifikasi obyek (Recognition) : 
            Dalam bidang image Processing , Computer 
            Vision atau robot vision 
       2. Decission Support System dan data mining 
            • Membuat segmen pasar (segmenting the 
          market). 
            • Memahami perilaku pembeli. 
            • Mengenali peluang produk baru 
      3.   . 
        
         Di dalam analisis cluster kita ingin 
         menggerombolkan/mengklasterkan dari 
         sekelompok obyek.  Sedemikian sehingga 
         obyek-obyek dalam klaster yang sama lebih 
         mirip dibandingkan dengan obyek-obyek dalam 
         klaster yang lain.  
        
         Hasil dari analisis klaster dipengaruhi oleh : 
         obyek yang diklasterkan, peubah yang diamati, 
         ukuran kemiripan (jarak) rang dipakai, skala 
         ukuran yang dipakai, serta metode 
         pengklasteran yang digunakan.
        
         Secara umum metode pengklasteran dapat 
         diklasifikasikan sesuai diagram berikut :
        Algoritma Cluster
        Dua metode paling umum dalam algoritma cluster 
          adalah metode hirarkhi dan metode non hirarkhi.
        Penentuan metode mana yang akan dipakai 
          tergantung kepada peneliti dan konteks penelitian 
          dengan tidak mengabaikan substansi, teori dan 
          konsep yang berlaku.
        Keuntungan metode hirarkhi adalah cepat dalam 
          proses pengolahan sehingga menghemat waktu, 
          namun kelemahannya metode ini dapat menimbulkan 
          kesalahan. Selain itu tidak baik diterapkan untuk 
          menganalisis sampel dengan ukuran besar. 
        Metode Non Hirarkhi memiliki keuntungan lebih 
          daripada metode hirarkhi. Hasilnya memiliki sedikit 
          kelemahan pada data outlier, ukuran jarak yang 
          digunakan, dan  termasuk variabel tak relevan atau 
          variabel yang tidak tepat. 
The words contained in this file might help you see if this file matches what you are looking for:

...Analisis cluster merupakan salah satu teknik data mining yang bertujuan untuk mengidentifikasi sekelompok obyek mempunyai kemiripan karakteristik tertentu dapat dipisahkan dengan kelompok lainnya sehingga berada dalam sama relatif lebih homogen daripada pada berbeda contoh penggunaan identifikasi recognition bidang image processing computer vision atau robot decission support system dan membuat segmen pasar segmenting the market memahami perilaku pembeli mengenali peluang produk baru di kita ingin menggerombolkan mengklasterkan dari sedemikian klaster mirip dibandingkan lain hasil dipengaruhi oleh diklasterkan peubah diamati ukuran jarak rang dipakai skala serta metode pengklasteran digunakan secara umum diklasifikasikan sesuai diagram berikut algoritma dua paling adalah hirarkhi non penentuan mana akan tergantung kepada peneliti konteks penelitian tidak mengabaikan substansi teori konsep berlaku keuntungan cepat proses pengolahan menghemat waktu namun kelemahannya ini menimbulkan kesa...

no reviews yet
Please Login to review.