Dicky Nofriansyah, S.Kom., M.Kom

Dicky Nofriansyah, S.Kom., M.Kom
STMIK TRIGUNA DHARMA Data Mining Materi : Clustering Hierarki Algoritmatif Dicky Nofriansyah, S.Kom., M.Kom Langkah Pasti Menuju Sukses

STMIK TRIGUNA DHARMA Single Linkage Complete Linkage Average Linkage
Metode-Metode Terkait Pengelompokan Hierarki Aglomeratif Kunci operasi metode AHC (Algoritma Hierarki Cluster) adalah penggunaan ukuran kedekatan (proximity) diantara dua kelompok” (Hartini dalam Prasetyo, 2012 : 214). Ada tiga tehnik kedekatan yang dijelaskan disini: Single Linkage Complete Linkage Average Linkage Langkah Pasti Menuju Sukses

Single Linkage Complete Linkage Average STMIK TRIGUNA DHARMA
Jarak Terdekat atauTautan tunggal memberikan hasil bila kelompok-kelompok digabungkan menurut jarak antara anggota-anggota yang terdekat diantara dua kelompok. Single Linkage Jarak Terjauh atau Tautan lengkap terjadi bila kelompok-kelompok digabungkan menurut jarak antara anggota-anggota yang terjauh di antara dua kelompok. Complete Linkage Jarak Rata-rata atau Tautan rata-rata digabungkan menurut jarak rata-rata pasangan-pasangan anggota masing-masing pada himpunan di antara dua kelompok Average

Tehnik Pengukuran Jarak
STMIK TRIGUNA DHARMA Tehnik Pengukuran Jarak Ada beberapa macam ukuran jarak yang biasa dipakai dalam analisis cluster, diantaranya : Eucladian Distance Manhattan Pearson Langkah Pasti Menuju Sukses

STMIK TRIGUNA DHARMA Langkah Pasti Menuju Sukses
1. Pembentukan kelompok tergantung apakah jarak dari objek kekelompok pertama lebih dekat dibandingkan dengan jarak objek tersebut dengan objek lainnya yang belum terkelompok Keterangan Rumus : X = Rata-rata data X Xi = Data X ke-i N = Banyak data X Std (X) = Standar deviasi data X Zi = Data standar (skor standar) X ke-i Langkah Pasti Menuju Sukses

dAB = ∑ | x1 - y1 |2 i = 1 Keterangan Rumus : dAB = Ukuran kemiripan / ketidakmiripan antara objek ke-x dengan objek ke-y. 2. Menentukan ukuran kemiripan atau ketidakmiripan antar data dengan metode jarak Euclidean Langkah Pasti Menuju Sukses

Sampel Kasus: STMIK TRIGUNA DHARMA
Analisis cluster termasuk dalam analisis multivariat yang mewakili seluruh hubungan interdependensi, tidak ada perbedaan variabel bebas dan variabel tidak bebas (independent and dependent variables) dalam analisis ini. Analisis cluster adalah teknik yang digunakan untuk mengidentifikasi objek atau individu yang serupa dengan memperhatikan beberapa kriteria. Langkah Pasti Menuju Sukses

Langkah Pasti Menuju Sukses
No Lagu Waktu Putar Negara Asal Genre Musik 1 Timmy Thomas - You Are All I Need Barat Pop 2 Lighthouse Family - Ain't No Sunshine AudioPhille 3 Cake - I Will Survive Pop Mix 4 Anggun - Still Reminds Me Indonesia 5 Aloe Blacc - Hello World 6 One Direction – Story of My Life 7 Rihanna - Diamonds R & B 8 Hayley Westenra - Prayer 9 Feel Fascinated - Peng You Chinese Mandarin 10 Lisa Ono - I Feel Good Jazz 11 James Morrison – I Won't Let You Go 12 Nidji - Laskar Pelangi 13 Jason Mraz - Im Yours 14 Titi DJ - Tak Kan Ada Cinta Yang Lain 15 The Beatles - Dont Let Me Down 16 Diana Krall - All Night Long 17 Cymande - Brother On The Side 18 Maliq&D'essentials - Terdiam 19 Norah Jones - Don't Know Why 20 Citra Shcolastika Langkah Pasti Menuju Sukses

STMIK TRIGUNA DHARMA Maka berdasarkan data music playlist diatas terlebih dahulu dikelompokkan sesuai set objek dan variabelnya beserta asumsi nilai yang dipergunakan seperti pada tabel-tabel berikut Tabel Set Objek Dan Variabel Data Kategori Lagu Objek Waktu Putar Variabel 1 (x1) Negara Asal Variabel 2 (x2) Genre Musik Variabel 3 (x3) Langkah Pasti Menuju Sukses

Tabel Asumsi Objek No Objek Asumsi 1 Timmy Thomas - You Are All I Need
2 Lighthouse Family - Ain't No Sunshine B 3 Cake - I Will Survive C 4 Anggun - Still Reminds Me D 5 Aloe Blacc - Hello World E 6 One Direction – Story of My Life F 7 Rihanna - Diamonds G 8 Hayley Westenra - Prayer H 9 Feel Fascinated - Peng You I 10 Lisa Ono - I Feel Good J 11 James Morrison – I Won't Let You Go K 13 Jason Mraz - Im Yours M 14 Titi DJ - Tak Kan Ada Cinta Yang Lain N 15 The Beatles - Dont Let Me Down O 16 Diana Krall - All Night Long P 17 Cymande - Brother On The Side Q 18 Maliq&D'essentials - Terdiam R 19 Norah Jones - Don't Know Why S 20 Citra Scholastika T

STMIK TRIGUNA DHARMA X2 Nilai Barat 1 Indonesia 2 Chinese 3
Tabel Asumsi Waktu Putar Tabel Asumsi Negara Asal X1 Nilai Pagi ( ) 1 Siang ( ) 2 Sore ( ) 3 Malam ( ) 4 X2 Nilai Barat 1 Indonesia 2 Chinese 3 Langkah Pasti Menuju Sukses

STMIK TRIGUNA DHARMA Tabel Asumsi Genre Musik Dalam tabel-tabel diatas dapat dilihat bahwa objek atau lagu dimisalkan dengan huruf (A, B, C, D dan seterusnya) dan variabel dimisalkan dengan kode (x1, x2 dan x3) begitu juga dengan nilai asumsi adalah sebagai perumpamaan, agar mempermudah perhitungan Genre Musik (V3) Nilai Pop 6 AudioPhille 5 Pop Mix 4 R & B 3 Jazz 2 Mandarin 1 Langkah Pasti Menuju Sukses

Setelah pengelompokkan objek dan variabel nilai, maka langkah selanjutnya adalah melakukan perhitungan sesuai algoritma yang dipilih. Namun untuk menghindari terjadinya kesalahan, terlebih dahulu beberapa tabel asumsi diatas digabungkan menjadi satu tabel yang lebih terperinci seperti berikut ini Langkah Pasti Menuju Sukses

Tabel Asumsi Data dan Variabelnya
No Objek X1 X2 X3 1 A 6 2 B 5 3 C 4 D E F 7 G 8 H 9 I 10 J 11 K 12 L 13 M 14 N 15 O 16 P 17 Q 18 R 19 S 20 T

Algoritma Single Linkage Method Dengan Jarak Euclidean Distance 1. Menstandarisasi data-data yang terkumpul dalam tabel menggunakan rumus-rumus yang telah tersedia : a. Mencari rata-rata data dari setiap variabel Langkah Pasti Menuju Sukses

STMIK TRIGUNA DHARMA b. Mencari standar deviasi data dari setiap variabel

STMIK TRIGUNA DHARMA Langkah Pasti Menuju Sukses

c. Mencari skor standar (zero standar) dari masing-masing objek setiap variabel. Langkah Pasti Menuju Sukses

Tabel Data Music Playlist Standar
Objek X1 X2 X3 A -1,214 -0,509 0,824 B 0,236 C -0,353 D 1,188 E F G -0,405 -0,942 H I 2,884 -2,120 J 0,405 -1,531 K L M N O 1,214 P Q R S

Menentukan ukuran kemiripan atau ketidakmiripan antara
data dengan jarak Euclidean distance. Langkah Pasti Menuju Sukses

Tabel Matriks Jarak

STMIK TRIGUNA DHARMA a.Mencari nilai terkecil dari matriks jarak.
3.Melakukan algoritma pengelompokkan euclidean single linkage clustering, dengan langkah-langkah sebagai berikut : a.Mencari nilai terkecil dari matriks jarak. ACEFKLMNPQST mempunyai nilai terkecil yakni 0, maka objek ini menjadi satu cluster. b. Menghitung jarak antar cluster ACEFKLMNPQST dengan objek lainnya. Langkah Pasti Menuju Sukses

d(ACEFKLMNPQST)B = min {dAB,dCB,dEB,dFB,dKB,dLB,dMB, dNB,dPB,dQB,dSB,dTB} = dAB,dCB,dEB,dFB = 0,589 d(ACEFKLMNPQST)D = min {dAD,dCD,dED,dFD,dKD,dLD,dMD, dND,dPD,dQD,dSD,dTD} = dLD,dND = 1,619 d(ACEFKLMNPQST)G = min {dAG,dCG,dEG,dFG,dKG,dLG,dMG, dNG,dPG,dQG,dSG,dTG} = dCG,dFG = 1,001 d(ACEFKLMNPQST)H = min {dAH,dCH,dEH,dFH,dKH,dLH,dMH, dNH,dPH,dQH,dSH,dTH} = dAH,dCH,dEH,dFH,dKH,dMH = 1,001 d(ACEFKLMNPQST)I = min {dAI,dCI,dEI,dFI,dKI,dLI,dMI,dNI, dPI,dQI,dSI,dTI} = dLI,dNI = 3,493 Langkah Pasti Menuju Sukses

d(ACEFKLMNPQST)J = min{dAJ,dCJ,dEJ,dFJ,dKJ,dLJ,dMJ,dNJ, dPJ,dQJ,dSJ,dTJ} = dQJ, dTJ = 1,880 d(ACEFKLMNPQST)O = min{dAO,dCO,dEO,dFO,dKO,dLO,dMO, dNO,dPO,dQO,dSO,dTO} = dPO,dSO = 0,589 d(ACEFKLMNPQST)R = min {dAR,dCR,dER,dFR,dKR,dLR,dMR, dNR,dPR,dQR,dSR,dTR} = dLR,dNR = 0,809 Langkah Pasti Menuju Sukses

Setelah melakukan perhitungan diatas, maka terbentuk matriks jarak yang baru yang menjadi sebuah cluster antara ACEFKLMNPQST pada table di bawah, yaitu cluster 1. Tabel Cluster 1 ACEFKLMNPQST B D G H I J O R 0,589 1,619 1,001 3,493 1,880 0,809 1,766 1,575 1,046 4,212 2,989 2,511 3,013 2,644 2,053 3,541 2,931 2,955 2,441 1,178 3,533 1,899 2,251 2,800 4,080 2,526 1,514 4,659 3,659 2,968 2,456 1,665

c. Mencari nilai terkecil dari matriks jarak, objek ACEFKLMNPQST dan BO yang memiliki nilai terkecil yaitu 0,589. Maka ACEFKLMNPQST dan BO bergabung menjadi satu cluster baru. d(ACEFKLMNPQST-BO)D = min{dACEFKLMNPQST-D, dBD, dOD} = dACEFKLMNPQST-D = 1,619 d(ACEFKLMNPQST-BO)G = min{dACEFKLMNPQST-G, dBG, dOG} = dACEFKLMNPQST-G = 1,001 d(ACEFKLMNPQST-BO)H = min{dACEFKLMNPQST-H, dBH, dOH} = dACEFKLMNPQST-H = 1,001 d(ACEFKLMNPQST-BO)I = min {dACEFKLMNPQST - I, dBI, dOI} = dACEFKLMNPQST-I = 3,493 d(ACEFKLMNPQST-BO)J = min { dACEFKLMNPQST - J, dBJ, dOJ} = dACEFKLMNPQST-J = 1,880 d(ACEFKLMNPQST-BO)R = min{dACEFKLMNPQST-R, dBR, dOR} = dACEFKLMNPQST-R = 0,809

STMIK TRIGUNA DHARMA Tabel Cluster 2 Langkah Pasti Menuju Sukses
Setelah pengelompokkan tersebut maka terbentuk matriks jarak baru yang menjadi sebuah cluster antara ACEFKLMNPQST dan BO seperti pada table di bawah yaitu cluster 2. Tabel Cluster 2 ACEFKLMNPQSTBO D G H I J R 1,619 1,001 3,493 1,880 0,809 2,644 2,053 3,541 2,931 2,441 1,178 3,533 1,899 2,800 4,080 2,526 2,251 3,659 2,456 Langkah Pasti Menuju Sukses

d. Setelah itu kembali lagi mencari nilai terkecil dari matriks jarak, untuk objek ACEFKLMNPQSTBO dan R yang memiliki nilai terkecil yaitu 0,809. Maka objek ACEFKLMNPQSTBO dan R akan bergabung menjadi satu cluster d(ACEFKLMNPQSTBO - R)D =min {dACEFKLMNPQSTBO-D,dRD} = dACEFKLMNPQSTBO-D = 1,619 d(ACEFKLMNPQSTBO - R)G =min {dACEFKLMNPQSTBO-G,dRG} = dACEFKLMNPQSTBO-G = 1,001 d(ACEFKLMNPQSTBO - R)H =min {dACEFKLMNPQSTBO-H,dRH} = dACEFKLMNPQSTBO-H = 1,001 d(ACEFKLMNPQSTBO - R)I = min {dACEFKLMNPQSTBO-I, dRI} = dACEFKLMNPQSTBO-I = 3,493 d(ACEFKLMNPQSTBO - R)J = min {dACEFKLMNPQSTBO-J, dRJ} = dACEFKLMNPQSTBO-J = 1,880

Cluster Akhir STMIK TRIGUNA DHARMA ACEFKLMNPQSTBORGHDJ I 1,899
ACEFKLMNPQSTBORGHDJ I 1,899 Langkah Pasti Menuju Sukses

Berdasarkan tabel matriks jarak diatas, dari pengelompokan euclidean distance yang dilakukan telah sesuai dengan langkah-langkah dalam pengelompokkan tehnik tersebut. Sebab, telah tersisa 2 objek dalam satu cluster, yakni ACEFKLMNPQSTBORGHDJ dan I Langkah Pasti Menuju Sukses

SEKIAN DAN TERIMA KASIH
STMIK TRIGUNA DHARMA SEKIAN DAN TERIMA KASIH Langkah Pasti Menuju Sukses

Dicky Nofriansyah, S.Kom., M.Kom

Presentasi serupa

Presentasi berjudul: "Dicky Nofriansyah, S.Kom., M.Kom"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan

Masuk

Otorisasi melalui jaringan sosial:

Dicky Nofriansyah, S.Kom., M.Kom

Presentasi serupa

Presentasi berjudul: "Dicky Nofriansyah, S.Kom., M.Kom"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan