202310715065-ANANDA-DWI-PRASETYO/Proyek_Machine_Learning_F5A2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Update README.md

Browse Source
This commit is contained in:
202310715065 ANANDA DWI PRASETYO 2025-11-12 06:37:00 +07:00
parent 56b15b9d59
commit bbf69b8447
1 changed files with 2 additions and 2 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

4
README.md
View File

@ -16,7 +16,7 @@ Pada tahun 2023, Indonesia mencatat jumlah pendidik pada jenjang SMA dan sederaj
Pada penelitian ini data dianalisis dengan metode analisis clusterya itu K-Means Clustering yang mana termasuk dalam metode non hirarki. K-Means menggunakan pendekatan yang berbeda dengan metode lain seperti Fuzzy C-Means, Agglomerative Hierarchical Clustering, dan K-Medoids. K-Means hanya memungkinkan suatu data menjadi bagian dari satu cluster, sedangkan metode lain seperti Fuzzy C-Means memungkinkan suatu data tidak hanya menjadi bagian dari satu cluster saja.
Clustering merupakan salah satu metode unsupervised learning, yang mana datasetakan dipartisi menjadi kelompok atau clusteryang berbeda berdasarkan ukuran kesamaan tertentu. Metode ini akan mengelompokkan objek-objek ke dalam cluster berdasarkan karakteristik yang memiliki tingkat kemiripanyang signifikan jika berada dalam satu kluster, dan memiliki perbedaan yang cukup besar jika objek berada dalam klusteryang berbeda.
Clustering merupakan salah satu metode unsupervised learning, yang mana datasetakan dipartisi menjadi kelompok atau clusteryang berbeda berdasarkan ukuran kesamaan tertentu. Metode ini akan mengelompokkan objek-objek ke dalam cluster berdasarkan karakteristik yang memiliki tingkat kemiripan yang signifikan jika berada dalam satu kluster, dan memiliki perbedaan yang cukup besar jika objek berada dalam kluster yang berbeda.
Pengukuran kesamaan yang digunakan dalam penelitian ini adalahEuclidean Distance. Euclidean Distance merupakan salah satu distance metric yang sering digunakan karena dapat mendukung hasil perhitungan cluster dan sangat mudah dipahami. Euclidean Distance menghasilkan perhitungan jarak terkecil antara dua titik yang diperhitungkan.
K-Means adalah metode pengelompokan yang mengelompokkan data berdasarkan kedekatan data dengan centroid (titip pusat kluster). Pengelompokan dengan K-Means bertujuan untuk meminimalkan kemiripan karakteristik data dalam cluster yang berbeda dan memaksimalkan kemiripan karakteristik data dalam cluster yang sama.