Metode K-Means Pada Data Mining

By , December 26, 2018,
Metode K-Means Pada Data Mining

Metode K-Means Pada Data Mining / gambar: wikipedia

K-means adalah sebuah metode yang dapat digunakan untuk clustering sebuah data. Pada umumna metode k-means mampu mengolah data yang besar dan digunakan untuk menyimpulkan sebuah keputusan.

Pada umumnya  k-means menggunakan data mining sebagai data set untuk olah data yang dilakukan.

Pengelolahan data menggunakan metode k-means clustering tergolong pengolahan data yang kompleks dan rumit. Hal ini dapat kita lihat dari penggunaan iterasi dan data yang begitu banyak.

Contoh data set data mining

Contoh-contoh data mining yang dapat digunakan sebagai data set olahan metode k-means misalnya:

  • Data penjualan sebuah produksi
  • Data panen sebuah hasil perkebunan
  • Data pemakaian
  • Data Harga
  • Data Distribusi
  • Data pelanggan

 

Data yang mampu digunakan sebagai data set perhitungan k-means adalah data yang basisnya sama namun terdapat banyak data yang secara terus-menerus atau kontinu.

Kita ambil satu contoh dengan contoh data set diatas, misalkan saja data penjualan. Pada data penjualan umumnya terdapat beberapa variabel, misalkan saja nama produk, jenis dan lainya. Nah untuk kontruksi utama data mining nya adalah data penjualan yang terjadi misalnya saja setiap bulan dalam rentann beberapa tahun misal data penjualan dari tahun 2012-2018.

Data mining

Disebutkan dalam jurnal Satya Informatika oleh Istiqomah Sumadikarta, Evan Abeiza, Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistic, matematika, kecerdasan buatan, dan machine
learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar (Turban, dkk. 2005).

K-means

Disebutkan lagi lebih lanjut K-Means merupakan salah satu metode pengelompokan data nonhierarki (sekatan) yang berusaha mempartisi data yang ada ke dalam bentuk dua atau lebih kelompok. Metode ini mempartisi data ke dalam kelompok sehingga data berkarakteristik sama dimasukkan ke dalam satu kelompok yang sama dan data
yang berkarakteristik berbeda dikelompokkan kedalam kelompok yang lain. Adapun tujuan pengelompokkan data ini adalah untuk meminimalkan fungsi objektif yang diatur dalam proses pengelompokan, yang pada umumnya berusaha meminimalkan variasi di dalam suatu kelompok dan memaksimalkan variasi antar kelompok. (Eko Prasetyo, 2012).

Karena konsep metode k-means adalah sebagai olah data dengan basis yang sanga besar. Maka data mining dapat di kelompokkan menjadi beberapa fungsi dan kegunaan, diantaranya:

Fungsi Data Mining

1. Deskripsi
Data mining digunakan untuk menggambarkan suatu pola dan kecendrungan yang terdapat dalam data.
2. Estimasi
Data mining digunakan sebagai Estimasi atau perkiraan, yang konsepnya hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih ke arah numerik dari pada ke arah kategori.
3. Prediksi
Data mining digunakan sebagai Prediksi.  Hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi nilai dari hasil akan ada di masa mendatang atau di periode berikutnya.
4. Klasifikasi
Data mining digunakan Dalam klasifikasi, terdapat target variabel kategori. kategori ini sebagai jenis data yang di hasilkan sebagai output.
5. Pengklusteran
Data mining digunakan sebagai Clustering, merupakan suatu metode untuk mencari dan mengelompokkan data yang memiliki kemiripan karakteriktik (similarity) antara satu data dengan data yang lain. Clustering merupakan salah satu metode data mining yang bersifat tanpa arahan (unsupervised).
6. Asosiasi
data mining sebagai Tugas asosiasi, dalam data mining adalah menemukan atribut yang muncul dalam
suatu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang belanja.

Diatas di diungkapkan oleh larose dalam jurnal di atas.

K-means dalam data mining

Nah terkait dengan data dalam mining ini dan hubungannya dengan k-means, adalah konsep dari olah data yang diakukan dapat menghandle beberapa fungsi diatas. Yang perlu di perhatikan adalah variabel yang digunakan harus sesuai dengan data mining dari setiap masing-masing data. Untuk data mining yang berbeda kasus maka berbeda pula variabel yang digunakan.

 

Nb: Jasa pembuatan aplikasi data mining menggunakan metode k-means hubungi: 0822 8541 7494 (WA/SMS).