Penerapan Algoritma Agglomerative Hierarchical Clustering Dengan Metode Average Linkage Untuk Inisialisasi Titik Pusat Awal Clustering Berbasis K-Means
| Main Author: | Purwantaris, Festri |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2012
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/153009/1/Skripsi_Festri_Purwantaris_%280710960052%29.pdf http://repository.ub.ac.id/153009/ |
Daftar Isi:
- Kualitas hasil clustering menggunakan algoritma K-means mempunyai tingkat ketergantungan yang tinggi terhadap penentuan titik pusat awal cluster yang dibangkitkan secara random, sehingga seringkali menyebabkan hasil clustering terjebak pada solusi yang bersifat minimal lokal. Salah satu algoritma yang digunakan untuk menentukan titik pusat awal dalam proses clustering berbasis K-means adalah Hierarchical K-Means. Algoritma ini merupakan penggabungan dari algoritma Agglomerative Hierarchical Clustering (menggunakan metode average linkage) dengan algoritma K-Means. Awalnya algoritma K-Means dijalankan sebanyak p kali dan centroid akhir dari tiap proses K-Means disimpan dan diasumsikan menjadi dataset baru. Dari dataset baru tersebut dilakukan proses clustering dengan algoritma Agglomerative Hierarchical Clustering (menggunakan metode average linkage). Kemudian dihitung centroid untuk masing-masing cluster dan dijadikan sebagai inisialisasi centroid untuk proses K-Means lagi. Dalam penelitian ini, digunakan tiga dataset yang berasal dari UCI Learning machine repository yaitu Iris, Wine dan New Thyroid. Secara umum hasil yang didapatkan dari penelitian ini menunjukkan bahwa penentuan titik pusat awal menggunakan algoritma Agglomerative Hierarchical Clustering (dengan metode average linkage) pada ketiga dataset dengan berbagai perlakuan yaitu tanpa normalisasi, dengan normalisasi Min-Max (0-1) dan dengan normalisasi Z-Score ,mampu memberikan hasil clustering yang lebih baik dibandingkan dengan hasil yang diperoleh dari algoritma K-Means klasik.