Flowchart Metode K-Means

By , June 24, 2018,
Flowchart Metode K-Means

Flowchart Metode K-Means

Metode K-means tergolong salah satu metode yang sedikit kompleks dan rumit untuk di teliti. Dalam konsepnya metode ini adalah metode yang digunakan untuk mengelompokkan atau culstering suatu keputusan dari data yang telah disediakan.

Bagi teman-teman yang masih bingung bagaimana proses ataupun langkah metode flowchart dapat digunakan untuk menyelesaikan suatu kasus, sistemphp kali ini akan mengulas mengenai flowchart yang digunakan pada pemrosesan metode k-means tersebut.

Penjelasan flowchart ini juga terkait degan penjelasan yang sudah saya bahas sebelumnya yang saya kumpulkan pada tag pembahasan metode k-means. Pada tag tersebut saya bahas mengenai kasus-kasus apa saja yang bisa  diterapkan dan bagaimana contoh implementasinya. Dan untuk perhitungan manual serta bagaimana cara menyelesaikan kasus dalam metode k-means akan kita posting di postingan selanjutnya.

Flowchart K-means

Seperti yang kita lihat pada gambar diatas, terdapat beberapa langkah proses pada metode k-means dalam menyelesaikan suatu kasus.

Pada gambar diatas merupakan flowchart metode bukan flowchart aplikasi, untuk flowchart aplikasi terdapat user interface yang berperan pada alur datanya. Dan ini berbeda-beda flowchartnya tergantung pada aplikasi yan di bangun, namun untuk secara umum, flowchart untuk metode ini di jelaskan sebagai berikut:

#Input

Merupakan inputan yang berperan dalam perhitungan metode K-means, Input ini adalah data mining yang tersimpan terlebih dahulu pada sistem atau aplikasi. Jika melihat pada contoh kasus, data input ini misalnya pada contoh clustering penjualan produk, maka data input berupa data penjualan produk. Pada kasus daerah rawan kriminial, maka data input sebagai data mining adalah data kriminal dan seterusnya.

Input ini dalam kaitannya dengan perhitungan metode, membutuhkan sebuah kategori data yang nantinya akan berujung pada cluster yang di hasilkan. Kategori data berperan sebagai penentuan titik pusat cluster terhadap data mining yang ada. Jika kategori tidak ada maka data di anggap sebagai cluster sama atau bahkan tidak bisa kita ketahui titik pusat datanya.

#Proses

Proses k-means merupakan tahapan bagaimana cluster keputusan dihasilkan. Setelah kita mengetahui komponen data input yang diperlukan Proses k-means dilakukan dengan menghitung titik pusat data pada setiap kategori, seperti yang sudah di singgung diatas. Dari titik pusat cluster selanjutnya akan di hitung proses lanjutannya yaitu mecari jarak antara setiap data pada kategori dengan titik pusatnya. Dari jarak tersebu maka proses akan menghasilkan sebuah nilai dari setiap cluster yang telah di tentukan sendiri oleh user sebelumnya.

Cara menentukan clustering untuk metode k-means dapat dilakukan dengan melihat penelitian sebelumya yang sejalan dengan penelitian yang dilakukan ataupun juga dapat mewawancarai langsung kepada dimana kita mengambil kasus penelitian yang dilakukan.

#Output

Dari hasil perhitungan K-means maka kita akan mengetahui sebuah nilai- cluster setiap data yang dihasilkan. Dari Cluster ini user dapat menyimpulkan data yang ada dan menganalisanya sebagai ouput atau keputusan akhir dari penyelesaian kasus menggunakan metode k-means.

 

Secara umum gambaran penyelesaian metode k-means dengan melihat pada flowchart seperti penjelasan diatas. Kada sebagian teman-teman kita masih bingung mencari data untuk suatu penelitian. Perlu diketahui data ini didapat dimana kita melakukan penelitian, misalkan pada kasus clustering penjualan produk diatas, kita dapat mewawancarai toko atau supermarket dimana kita meneliti sekaligus clustering yang akan di hasilkan dari output akhir metode ini. Untuk Analisis lainya seperti konteks diagram, dfd, erd dan aplikasinya dapat juga menggunakan jasa kami. GARANSI REVISI