Nama : Endang Ekawati
Data Merupakan unsur dalam kehidupan,
namun banyak data yang tidak dapat dibaca dengan mudah karena keterbatasan
kemampuan manusia dalam mengelola data dalam jumlah besar. Metode K-means merupakan salah satu metode data
Clustering non-hierarchica (non
hirarki), yang mempartisi data
kedalam bentuk satu atau lebih cluster. Data yang memiliki karakteristik yang
sama di kelompokkan kedalam satu cluster yang sama. Metode K-means di gunakan untuk mengidentifikasi data, mengelompokkan dan menemukan jumlah cluster yang paling akurat terhadap data, dan Menganalisa hasilnya untuk menentukan batasan-batasan
(berdasarkan karakteristik) pada masing-masing cluster
untuk mengklasifikasikan data tersebut secara umum.
Data
clustering menggunakan metode K-Means ini secara umum dilakukan dengan algoritma
dasar seperti menentukan
jumlah cluster, lalu alokasikan data ke dalam cluster secara random, kemudian hitung
centroid/rata-rata dari data yang ada di masing-masing cluster, Alokasikan
masing-masing data ke centroid/rata-rata terdekat, dan hitung ulang centroid/rata-rata
dari data yang ada di masing-masing cluster (apabila masih ada data yang
berpindah cluster atau apabila perubahan nilai centroid, ada yang di
atas nilai threshold yang ditentukan atau apabila perubahan nilai pada objective
function yang digunakan di atas nilai threshold yang ditentukan).
Metode K-means dapat diterapkan di kesehatan, misalnya BMI dan ukuran kerangka
seseorang. Apabila seseorang mengetahui nilai BMInya, orang tersebut dapat
mengontrol berat badan sehingga dapat mencapai berat badan normal yang sesuai
dengan tinggi dan kerangka badan.
Teknologi wicara seperti speaker recognition
yang sering disebut dengan verifikasi pengucap yang dapat mengenali suara
dengan cara membandingkan dengan suara standar. Dengan mekanisme kerja
pengambilan contoh-contoh suara, dari ekstraksi suara tersebut diproses lagi menggunakan
metode K-means sehingga dapat dikelompokkan menjadi suara berdasarkan
usia dewasa atau anak anak.
Peningkatan
jumlah dokumen dalam format teks membuat proses pengelompokkan dokumen (document
clustering) menjadi penting. Pengelompokkan dokumen bertujuan
membagi dokumen dalam beberapa kelompok (cluster) sehinggadokumen-dokumen
dalam cluster yang sama (intra-cluster) memiliki kesamaan yang
tinggi.
Metode
K-means digunakan untuk pengelompokan Sekolah menengah Kejuruan (SMK)
berdasarkan data siswa, data guru, data rata-rata UAN, data tenaga pendidik dan
kependidikan. Untuk menganalisa karakteristik sekolah untuk keperluan pembinaan
dan untuk memberikan informasi untuk dinas pendidikan provinsi.
Dalam
penyewaan studio musik, metode K-means juga di terapkan guna menentukan kapan
harus melakukan perawatan alat musiknya berdasarkan genre musik, sehingga
keakuratan dalam menentukan kapan harus melakukan perawatan alat musik lebih
terjamin.
Dari
pembahasan diatas dapat disimpulkan bahwa metode Clustering K-means digunakan
untuk mengelompokkan atau menempatkan data sesuai kriteria cluster yang identik
pada setiap datanya, dan penggunaan Metode Clustering K-means juga sebagai
bahan analisis untuk membantu pengambilan keputusan dalam proses pengelolaan
data dalam jumlah besar.
Daftar Pustaka
H, B. (2011). Pengelompokan Sekolah Menengah
Kejuruan (SMK) Di Kalimantan Selatan Menggunakan Metode K-means.
Rahman, L. (2011).
Pengelompokan Data Penyewa Studio Musik Berdasarkan Genre Musik Menggunakan
Metode Clustering K-means.
Rismawan, T. (2008).
Aplikasi K-means Untuk Pengelompokan Mahasiswa Berdasarkan Nilai Body Mass
Index(BMI) dan Ukuran Kerangka.
Sutiknyo, P. H.
(2009). Penggolongan Suara Berdasarkan Usia Dengan Menggunakan Metode
K-means.
Umran, M. (2009).
Pengelompokan Dokumen Menggunakan K-means Dan Singular Value Decomposition :
Studi Kasus Menggunakan Data Blog.
Tidak ada komentar:
Posting Komentar