Contoh Perhitungan Manual Penerapan Metode K Means Klastering Datamining

Apa itu metode clustering pada data mining ?

     Metode K-Means Clustering digunakan dalam data mining untuk mengelompokan data-data kedalam cluster atau beberapa kelompok berdasarkan suatu kemiripan variabel atau atribut data.

Algoritma Metode K Means Clustering

Algoritma Flowchart Metode Klastering K Means

Langkah- Langkah perhitungannya adalah:

1. Menentukan Jumlah cluster data

2. Tentukan titik pusat cluster

3. menghitung jarak obyek dengan centroid

4. kelompokan obyek 

5. jika kelompok data hasil perhitungan baru sama dengan hasil perhitungan kelompok data baru maka selesailah perhitungannya.

            Dalam tahap ini akan dijelaskan langkah-langkah pengoperasian algoritma K-Means secara manual:

Diketahui : Jumlah Cluster = 3, jumlah data =12, jumlah atribut= 2
NO	Kota /Kab	Luas Lahan	Produksi
1	Kab. Ponorogo	66,693.00	402,047.00
2	Kab. Trenggalek	31,136.00	182,848.00
3	Kab. Tulungagung	49,230.00	259,581.00
4	Kab. Blitar	50,577.00	289,494.00
5	Kab. Kediri	51,083.00	281,392.00
6	Kab. Malang	65,597.00	464,498.00
7	Kab. Lumajang	72,552.00	387,168.00
8	Kab. Jember	162,619.00	964,001.00
9	Kab. Banyuwangi	113,609.00	706,419.00
10	Kab. Bondowoso	61,330.00	329,557.00
11	Kab. Situbondo	48,902.00	290,954.00
12	Kab. Probolinggo	59,130.00	311,258.00

Tabel 2 : Tabel Sampel Dataset Padi tahun 2013 Provinsi Jawa Timur

Iterasi ke-1

1.      Penentuan pusat awal cluster

Di ambil data ke-8 sebagai pusat cluster ke-1	162,619	964,001
Di ambil data ke-7 sebagai pusat cluster ke-2	72,552	387,168
Di ambil data ke-2 sebagai pusat cluster ke-3	31,136	182,848

2.      Perhitungan Jarak Pusat Cluster

Untuk mengukur jarak antara dengan pusat Cluster digunakan Euclidian Distance, kemudian akan didapatkan matriks jarak yaitu C1, C2 dan C3 sebagai berikut:

Rumus Euclidian Distance: 

NO	Kota /Kab	Luas Lahan	Produksi	C1	C2	C3	Jarak Terpendek
1	Kab. Ponorogo	66,693	402,047	570,082534	15,99101	222,0642	15,99101379
2	Kab. Trenggalek	31,136	182,848	792,1412681	208,4753	0	0
3	Kab. Tulungagung	49,23	259,581	713,4876325	129,701	78,83747	78,83746651
4	Kab. Blitar	50,577	289,494	683,7492982	100,1155	108,4035	100,1154878
5	Kab. Kediri	51,083	281,392	691,6612799	107,9328	100,5425	100,542542
6	Kab. Malang	65,597	464,498	508,8383982	77,64213	283,7504	77,6421337
7	Kab. Lumajang	72,552	387,168	583,8222113	0	208,4753	0
8	Kab. Jember	162,619	964,001	0	583,8222	792,1413	0
9	Kab. Banyuwangi	113,609	706,419	262,2031022	321,8802	530,0268	262,2031022
10	Kab. Bondowoso	61,33	329,557	642,4785216	58,69379	149,7839	58,69378677
11	Kab. Situbondo	48,902	290,954	682,5861267	99,07803	109,5561	99,07803135
12	Kab. Probolinggo	59,13	311,258	660,8959049	77,08747	131,426	77,08747099

3.     Pengelompokan Data

Jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat.

Berikut ini akan ditampilkan data matriks pengelompokkan group, nilai 1 berarti data tersebut berada dalam group(kelompok data).

(Kelompok Data 1)

No.	C1	C2	C3
1		1
2			1
3			1
4		1
5			1
6		1
7		1
8	1
9	1
10		1
11		1
12		1

4.      Penentuan pusat cluster baru

Setelah diketahui anggota tiap-tiap cluster kemudian pusat cluster baru dihitung berdasarkan data anggota tiap-tiap cluster sesuai dengan rumus pusat anggota cluster. Sehingga didapatkan perhitungan sebagai berikut :

NO	Kota /Kab	Luas Lahan	Produksi	Cluster Baru
				C1	C2	C3
1	Kab. Ponorogo	66,693	402,047	138,114	60,683	43,81633
2	Kab. Trenggalek	31,136	182,848	835,21	353,568	241,2737
3	Kab. Tulungagung	49,23	259,581
4	Kab. Blitar	50,577	289,494
5	Kab. Kediri	51,083	281,392
6	Kab. Malang	65,597	464,498
7	Kab. Lumajang	72,552	387,168
8	Kab. Jember	162,619	964,001
9	Kab. Banyuwangi	113,609	706,419
10	Kab. Bondowoso	61,33	329,557
11	Kab. Situbondo	48,902	290,954
12	Kab. Probolinggo	59,13	311,258

Iterasi ke-2

5.      Ulangi langkah ke 2 (kedua) hingga posisi data tidak mengalami perubahan.

Cluster baru yang ke-1		138,114	835,21
Cluster baru yang ke-2		60,683	353,568
Cluster baru yang ke-3		43,81633333	241,2736667
NO	Kota /Kab	Luas Lahan	Produksi	C1	C2	C3	Jarak Terpendek
1	Kab. Ponorogo	66,693	402,047	439,0116	48,85011	162,3928	48,85011301
2	Kab. Trenggalek	31,136	182,848	661,0752	173,258	59,78586	59,7858627
3	Kab. Tulungagung	49,23	259,581	582,451	94,68224	19,091	19,09099894
4	Kab. Blitar	50,577	289,494	552,6922	64,86608	48,69196	48,69196197
5	Kab. Kediri	51,083	281,392	560,6146	72,81164	40,77113	40,77113089
6	Kab. Malang	65,597	464,498	377,7381	111,0388	224,2844	111,0387873
7	Kab. Lumajang	72,552	387,168	452,8134	35,63472	148,6973	35,63471848
8	Kab. Jember	162,619	964,001	131,1016	618,8856	732,4267	131,1015511
9	Kab. Banyuwangi	113,609	706,419	131,1016	356,7982	470,3522	131,1015511
10	Kab. Bondowoso	61,33	329,557	511,4496	24,01972	90,00375	24,01971544
11	Kab. Situbondo	48,902	290,954	551,5192	63,71268	49,93996	49,93995921
12	Kab. Probolinggo	59,13	311,258	529,8718	42,33849	71,64018	42,33849205

Langkah selanjutnya sama dengan langkah pada nomor 3 jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan pusat cluster terdekat.

Kelompok Data 2

No.	C1	C2	C3
1		1
2			1
3			1
4			1
5			1
6		1
7		1
8	1
9	1
10		1
11			1
12		1

Pada perhitungan ini Iterasi Berhenti pada iterasi ke-4 karena kelompok data 4 = kelompok data 3 dan hasil Clustering, telah mencapai stabil dan konvergen. Untuk perhitungan yang lebih rinci di lampirkan pada file Excel.

No.	C1	C2	C3
1		1
2		1
3		1
4		1
5		1
6		1
7		1
8	1
9			1
10		1
11		1
12		1

Tabel Kelompok data 3

No.	C1	C2	C3
1		1
2		1
3		1
4		1
5		1
6		1
7		1
8	1
9			1
10		1
11		1
12		1

 Tabel Kelompok Data 4

Untuk Lebih Jelasnya bisa di pelajari hitungan secara manual algoritma klastering k means untuk data mining pada file microsoft excel yang saya upload di link ini  
DOWNLOAD FILE

Link Lain nya 



Penjelasan Om Romi di video ini juga akan sangat membantu dalam memahami Data mining dan metode-metode nya, kapan di gunakan setiap metode nya dan lain-lain beserta contoh penerapan setiap metode nya.