Implementasi Data Mining Menggunakan Metode K-Means

Implementasi data mining menggunakan metode k-means dimulai dengan pengumpulan data yang relevan. Data ini kemudian diproses melalui tahapan pembersihan dan normalisasi agar siap diolah. Selanjutnya, algoritma k-means dijalankan untuk mengelompokkan data ke dalam sejumlah cluster yang ditentukan sebelumnya (k). Proses ini dimulai dengan inisialisasi pusat cluster secara acak, diikuti oleh penghitungan jarak setiap data ke pusat cluster. Data yang memiliki jarak terdekat akan dikelompokkan ke dalam cluster tersebut. Setelah itu, pusat cluster diperbarui berdasarkan rata-rata posisi data yang ada di dalamnya. Proses pengelompokan ini berulang hingga posisi pusat cluster stabil atau perbedaan antara iterasi sangat kecil. Hasil akhir dari k-means adalah pengelompokan data ke dalam cluster, yang dapat digunakan untuk analisis lebih lanjut, seperti segmentasi pasar atau deteksi pola tertentu dalam data.

ISBN : (Sementara Proses)

Jumlah Halaman : 50

Terbit : Juli 2024

Penulis :

1. Rahayu Mayang Sari
2. Dafa Umar Jafri
3. Chairiani Indy Fazira
4. Nurul Tasya Syahdani Nasution
5. Naniah Andrianni
6. Khairun Nahly
7. Bilal Aufa
8. Aditya Rafsanjani Panggabean
9. Wahyu Ramadhan Tanjung