An Efficient Approach to Determine Number of Clusters Using Principal Component Analysis

Divya, V.; Nirmaladevi, K.

doi:10.1109/icctct.2018.8551182

Cited by 3 publications

(1 citation statement)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Salah satu yang termasuk kedalam pendekatan Non-Hierarchical Clustering adalah Partition Clustering [3]. Metode Partition Clustering memiliki dua algoritma yaitu K-Medoids dan K-Means [4]. Algoritma K-Means termasuk kedalam metode Partition Clustering yang mampu mengelompokkan data dengan cara membagi partisi data ke dalam sejumlah kategori atau kelompok tertentu [5].…”

Section: Pendahuluanunclassified

Pendekatan Initial Centroid Search Untuk Meningkatkan Efisiensi Iterasi Klustering K-Means

Nasution¹,

Hasibuan²

2020

View full text Add to dashboard Cite

Pengelompokan K-Means bertujuan untuk mengumpulkan satu set titik pusat cluster yang optimal melalui iterasi yang berurutan. Fakta bahwa semakin optimal posisi dari titik pusat awal maka semakin sedikit jumlah iterasi dari algoritma pengelompokkan K-Means untuk konvergen. Oleh karena itu, Salah satu cara untuk menemukan set initial centroid adalah melalui metode iteratif guna mencari sejumlah initial centroid yang lebih baik untuk proses pengelompokan K-Means. Langkah awal yang kami lakukan adalah mengambil sampel data dari set data dan menjalankan algoritma K-Means sebagai proses awal untuk inisialisasi centroid cluster. Kemudian kami mengulang proses iterasi dengan sejumlah initial centroid yang telah diinisialisasikan sebelumnya dan mengukur hasil pengelompokkan melalui sum-of-square-error guna menentukan kebaikan keanggotaan cluster. Centroid akhir yang memberikan jarak terendah yang akan kami teruskan ke proses pengelompokan K-means secara lengkap. Harapan kami adalah pendekatan ini akan mengarah pada set initial centroid yang lebih baik sebagai proses pengelompokan K-Means sehingga mampu meningkatkan kinerja Algoritma K-Means karena hasil konvergensi Algoritma K-Means akan berbanding lurus dengan pemilihan initial centroid.

show abstract

Section: Pendahuluanunclassified