Sabtu, 20 Oktober 2012

Contoh Algoritma K-Means dan K-Medoid dengan PHP

Pengenalan Algoritma

  • K-Means  dan  K-Medoid  adalah salah satu algoritma clustering. 
  • Clustering  merupakan suatu teknik data mining yang membagi-bagikan data ke dalam beberapa kelompok (grup atau cluster atau segmen) yang tiap cluster dapat ditempati beberapa anggota bersama-sama.
  • Clustering ->  Mengelompokkan data dengan karakteristik yang tidak harus sama ke dalam kelompok(bisa membentuk kelompok baru),  Clasifikasi à Mengklasifikasi data dengan karakteristik yang sama kedalam kelompok yang sudah ada sebelumnya. 
      
    Perbedaan K-Means dan K-Medoid 
    • K-means: cluster direpresentasikan oleh pusat
    • K-medoids or PAM (partition around medoids): setiap cluster direpresentasikan oleh salah satu objek pada cluster
     

 Cara Kerja Algoritma K-Mean

  1. Tentukan K
  2. Partisi Item Menjadi K Initial Cluster
  3. Hitung rata-rata setiap cluster dari data yang tergabung didalamnya
  4. lakukan proses perhitungan dari daftar item, tandai item untuk kelompok yang mana berdasarkan pusat (mean) yang terdekat . Hitung Kembali pusat centroid untk item baru yang diterima pada cluster yang kehilangan item.
  5. Ulangi Langkah 3 hingga tidak ada lagi tempat yang akan ditandai sebagai cluseter baru.
  
 Cara Kerja Algoritma K-Mean
  1. Pilih Point K sebagai inisial centroid / nilai tengah (medois sebanyak k cluster)
  2. Cari semua poin yang paling dekat dengan medoid, dengan cara menghitung jarak vektor antar dokumen.
  3. Secara Random, pilih point yang bukan medoid.
  4. Hitung total distance.
  5. If TDbaru < TD Awal, tukar posisi medoid dengan medoid baru, jadilah medoid yang baru.
  6. Ulangi langkah 2 - 5 sampai medoid tidak berubah.

Contoh Implementasi K-Mean dan K-Medoid dengan Bahasa Pemprograman Php.

Berikut Contoh Data yang dimasukkan ke program.

Data tersebut terdiri atas 20 Objek, dimana setiap objek terdapat 2 data didalamnya (Tabel Sebelah kiri).

Dari ke20 objek tersebut, kemudian dilakukan clustering dengan menentukan terlebih dahulu Jumlah Cluster dan Centroid Data masing - masing Cluster (Tabel Sebelah kanan).

Setelah dilakukan proses dengan mengklik tombol proses kemudian akan ditampilkan hasil sebagai berikut.


Untuk menampilkan hasil Clustering menggunakan K-mean, dibutuhkan 6 Iterasi.sedangkan
Untuk menampilkan hasil Clustering menggunakan K-mean, dibutuhkan ~ Itrasi.





Untuk mendowload Aplikasi silahkan Klik,


Silahkan mengunjungi Tips dan trik pemprograman lainnya

12 komentar:

  1. gan adakah aplikasi yang untuk fuzzy c-means,
    kalau ada mohon di share,terima kasih

    BalasHapus
  2. gan adakah aplikasi tentang fuzzy c-means, kalau ada mohon di share, terima kasih:)

    BalasHapus
  3. programx g ad yang laen ea kok g ad databasex

    BalasHapus
    Balasan
    1. Inputannya langsung gan, gak pakai database...

      Hapus
  4. Balasan
    1. Diatas sudah ada penjelesan untuk data masukannya gan..

      Hapus
  5. mas,. yang pakai delphi ada g contoh nya ? mohon dishare ya mas
    terimakasih

    BalasHapus
    Balasan
    1. ga' ada mba, ntar klo sempat buat ane share deh...

      Hapus
  6. gmn cara pake nya tu program boss?

    BalasHapus
    Balasan
    1. Diatas sudah ada penjelasan untuk data masukannya gan..

      Hapus