STUDI KOMPARASI METODE KLASTERISASI DATA K-MEANS DAN K-HARMONIC MEANS
Abstrak: Salah satu
metode partitional clustering
yang sangat popular
adalah K-Means Clustering
(KM). Metode ini banyak
digunakan karena implementasinya yang
sederhana, dapat menangani
data dalam jumlah besar
dan proses yang
relatif singkat. Meskipun
demikian jika diperhatikan
dari tahapan KM
untuk mendapatkan klaster akhir masih terdapat kelemahan. Titik awal
pusat klaster pada KM yang ditentukan secara random dan
proses pembaharuan titik
pusatnya sangat memungkinkan
hasil klaster konvergen
pada lokal optimal. K-Harmonic Means Clustering (KHM) merupakan
algoritma yang diciptakan untuk menyempurnakan KM. Dalam
KHM titik pusat
diperbaharui dengan memanfaatkan
rata-rata harmonik dari
seluruh titik data
ke seluruh pusat klaster
yang ada. Rata-rata
harmonik dalam metode
KHM digunakan untuk
mengurangi permasalahan yang ada
pada KM. Pada
penelitian ini dilakukan
studi komparasi terhadap
dua metode klasterisasi yaitu
KM dan KHM.
Penelitian ini ditujukan
untuk melihat bagaimana
performa metode KHM dalam menyempurnakan metode KM. Studi
komparasi ini menggunakan lima buah data set.
Penulis: I Made Widiartha
Kode Jurnal: jptkomputerdd110031
