CLUSTERING

CLUSTERING

 

Definisi Clustering

●         Clustering adalah suatu alat untuk analisa data, yang

memecahkan permasalahan penggolongan.

●         Obyek nya adalah untuk kasus pendistribusian (orang-orang,

objek, peristiwa dll.) ke dalam kelompok, sedemikian sehingga

derajat tingkat keterhubungan antar anggota cluster yang sama

adalah kuat dan lemah antar anggota dari cluster yang

berbeda.

●         Dengan Cara ini masing-masing cluster menguraikan, dalam

kaitan dengan kumpulan/koleksi data, class dimana milik

anggota-anggotanya.

●         Cluster : Data item dikelompokkan menurut pilihan konsumen

atau hubungan logis. Sebagai contoh, data dapat dimaknakan

untuk mengidentifikasi segmen pasar atau ketertarikan

konsumen

 

Definisi Clustering (Lanjt)

●         Cluster adalah alat penemuan. Ia mungkin mengungkapkan

hubungan dan struktur di dalam data, yang sebelumnya tidak

jelas, meskipun demikian adalah bermanfaat dan masuk akal

sekali ketika ditemukan.

●         Hasil dari analisis cluster mungkin berperan untuk definisi dari

suatu rencana penggolongan yang formal, seperti suatu

taksonomi untuk binatang yang terkait, serangga atau

tumbuhan; atau menyarankan model statistik yang

menguraikan populasi; atau menandai aturan untuk

menugaskan kasus yang baru ke class untuk identifikasi dan

tujuan yang diagnostik; atau menyediakan ukuran dari definisi,

ukuran dan perubahan dalam konsep sebelumnya yang tidak

hanya luas;

●         Bisnis apapun yang sedang anda lakukan, cepat atau lambat

anda akan berhadapan dengan suatu masalah penggolongan.

Analisa Cluster mungkin menyediakan metodologi untuk

 

Definisi Clustering (Lanjt)

●      Singkatnya: Algoritma Clustering berusaha untuk

menemukan kelompok komponen secara natural,

berdasarkan pada beberapa kesamaan.

●      Contoh di bawah ini memperagakan clustering dari

gembok yang jenisnya sama. Ada total 10 gembok

yang memiliki tiga warna berbeda. Kita tertarik untuk

mengelompokkan gembok yang memiliki tiga warna

dan bentuk yang berbeda dalam tiga kelompok

 

 

●      Gembok yang jenisnya sama dikelompokkan ke

dalam suatu kelompok seperti terlihat di bawah ini:

●      Sehingga, kita lihat bahwa clustering bermakna

menggolongkan data atau membagi satuan data

yang besar ke dalam satuan data yang lebih kecil

yang memiliki kesamaan. Algoritma clustering

tercakup dalam aplikasi BI2M. Lihat contoh dari

penggunaan clustering dalam BI2M.

●         Terdapat Database Foodmart2000 dengan OLAP Cube

Sales. Kita tertarik untuk menemukan 3 segmen

pelanggan dari toko Foodmart dalam rangka

menciptakan suatu program untuk menawarkan manfaat

yang berbeda untuk pelanggan yang tergantung pada

karakteristik pribadi mereka. Tujuannya adalah untuk

meningkatkan kesetiaan mereka terhadap toko tsb. Kita

akan menggunakan algoritma clustering di database

Foodmart2000 dimana segmen pelanggan ada di OLAP

cube sales dalam tiga kategori yang berdasarkan pada

informasi berikut: Jenis kelamin, status perkawinan,

Pendapatan tahunan, Pendidikan, Kartu Anggota, dan

Penjual toko.

●      Langkah 1– Ketika kita akan menggolongkan

pelanggan, kita harus memilih Customer sebagai

kasus pada halaman yang pertama dari OLAP Data

Mining Wizard.

 

●         Langkah 2– pada langkah ini kita memilih karakteristik yang

akan diproses oleh algoritma tsb. Pada basis cluster mereka

yang akan dibuat. Pada tugas saat ini kita tertarik akan Jenis

kelamin pelanggan/Customers’ Gender, Status

Perkawinan/marital status, pendidikan/education, Kartu

anggota/Member Card,  Pendapatan tahunan/yearly income

dan penjual toko, itu sebabnya mengapa kita memilihnya.

 

●    Tentukan banyaknya cluster = 3

●    Hasil dari data mining adalah:

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s