Non-hierarchical grouping: ‘K-mean’ and ‘K-medoid’ of plaques cisterns in the Pajeu region - PE

Abstract

This work uses non-hierarchical grouping methods to evaluate the quality of the groups formed by plate cisterns according to some water quality variables. These methods use the cluster validation criterion to determine the optimal partition, which provides the most homogeneous groups possible. The methods were tested on a sample of 100 cisterns located in the Pajeú region. However, the non-hierarchical clustering method of ‘K-medoid’ formed more homogeneous groups, and thus the best performance according to the Silhouette [s (i) = 0.64] statistics.

Optimalisasi Pelayanan Perpustakaan terhadap Minat Baca Menggunakan Metode K-Means Clustering

“…Algoritma K-Means terdiri dari klasterisasi objek menjadi cluster yang saling eksklusif atau berbeda. Untuk menemukan clustering, algoritma ini menggunakan proses interaktif yang bertujuan meminimalkan jumlah jarak masing-masing tangki dalam kaitannya dengan sentroid dari setiap kelompok yang akan menjadi tangki paling representatif dari setiap cluster [9]. K-Means tidak hanya di kembangkan pada bidang teknologi saja, akan tetapi pada bidang kedokteranpun bisa di implementasikan.…”