Konsep Analisis Klaster K-Means

Analisis klaster atau pengelompokan adalah bagaimana kita membagi objek ke dalam beberapa kelompok yang mana anggota dari suatu kelompok memiliki kesamaan karateristik, dan diantara kelompok memiliki karateristik yang berbeda. Analisis klaster dapat dimanfaatkan di banyak bidang, seperti segemntasi customer, segementasi image, segmentasi pasar, pengelompokan text, dan bisa juga dimanfaatkan dalam preprocessing data untuk menentukan label dari suatu data yang belum diketahui.  

Analsis Klaster termasuk salah satu teknik unsupervised learning. metode unsupervised learning adalah metode-metode yang tidak membutuhkan label data dalam dataset yang kita analisis. Dari beberapa metode klaster, K-means mrupakan metode yang paling sederhana dan paling familiar. Dalam metode K-means kita akan melakukan pengelompokan objek ke dalam k kelompok, jumlah kelompok atau k ditentukan diawal.   

Langkah-langakh analisis klaster K-means: 

1. Menentukan jumlah klaster. Jumlah klaster ditentukan oleh peneliti
2. Kemudian menghitung jarak antar objek ke titik centroid. Untuk menghitung jarak kita bisa menggunakan manhatan, euclidien, dan mahalanobis. 
3. Setelah itu tentukan anggota klaster, jarak yang paling dekat dengan centroid maka objek tersebut akan menjadi anggota klatser.
4. Menhgitung titik centroid baru. Dengan cara menghitung nilai rata-rata setiap variabel dari  anggota klaster yang dihasilkan di langkah 3. 
5. Ulangi langkah 2-5 hingga konvergen(titik centroid tidak ada perubahan)   

Berikut ini kita akan mencoba untuk melakukan lankah - lankah diatas dengan contoh data berikut:  

Langkah pertama yang  harus dilakukan adalah menentukan jumlah klaster. untuk contoh kali ini jumlah klaster nya 2. kemudian pilih centroid untuk pusat klaster awal. centroid awal yang kita pilih adalah A1 dan A3. kemudian hitung jarak setiap objek dengan centroid yang sudah kita pilih. untuk mengitung jarak kita menggunakan jarak manhatan, ada metode lain untuk mengitung jarak seperti  euclidien distance, dan mahalanobis. 

Formula Manhatan  :

menghitung jarak objek A1 ke titik centorid

|2-2| + |10-10| = 0.0

|2-8|+|10-4| = 12

Menghitung jarak objek A2 ke titik centroid

|2-2|+|5-10|= 5

|2-8|+|5-4|=7 

Hitung Jarak objek lainya dengan titik centroid setiap klaster. berikut ini hasil dari menghitung jarak objek ke titik centroid: 

setelah itu identifikasi anggota klaster, jika nilai manhatannya paling kecil maka akan masuk ke dalam klaster tersebut.

Hasil klater isterasi 1:

kemudian cari centroid baru dengan cara hitung rata-rata dari setiap variabel dari anggota klaster diatas. rumus rata-rata yaitu jumlah data dibagi banyak data.

centroid baru untuk klaster 1:

x : (2+2+5+4)/4= 3.3 

y : (10+5+8+9)/4= 8

centroid untuk klaster 2 :

x : (8+7+6+6)/4 = 6.8

y : (4+5+4+2)/4 = 3.8

Tititk centroid baru:  

setelah itu hitung lagi jarak objek ke  centroid baru, lakukan langkah langkah diatas sampai konvergen(tidak ada perubahan pada centroid)

Jarak Manhatan dan hasil klaster iterasi 2: 

Dari hasil diatas dapat dilihat tidak ada perubahan anggota klaster, yang artinya sudah konvergen. hal ini ditandai dengan centroid iterasi 1 sama dengan iterasi 2.

kesimpulan:

tulisan ini menjelaskan terkait konsep dan implementasi K-mean cluster dengan menggunakan jarak manhatan. kita juga bisa menggunakan metode lainya seperti euclidien distance, dan mahalanobis. 

Related Posts:

Tweet

Cara memilih baris & kolom dari dataframe

Dalam melakukan analisis data kita sering mengakses dan memanipulasi nilai di dalam suatu variabel. nah pada kesempatan ini kita akan mencoba hal tersebut di python pandas. dalam pandas sendiri kita bisa memanfaatkan operator index, filter, fungsi "loc" dan "iloc" . kita akan menggunakan data titanic sebagai bahan. Kemudian untuik memulai kita perlu import library pandas dan akses data titanic. 

import pandas as pd
import seaborn as sns

df = sns.load_dataset('titanic')

df.head() 

Output data frame : 

Memilih satu kolom

cara untuk mengakses satu kolom, dapat langsung menggunakan indexing, yaitu dengan cara memasukan nama kolom ke oprator indexing. 

df['sex'].head()

cara lain untuk kasus yang sama, yaitu dengan menggunakan tanda titik. kita bisa lansgung menulis nama kolom disamping dataframe yang dihubungkan dengan operator titik. 

df.sex.head()

Memilih lebih dari satu kolom  

untuk memlilih lebih dari satu kolom kita bisa menggunkan list didalam operator index. 

df[["survived","pclass","sex","age", "fare", "alive"]].head()

Memilih lebih dari satu baris & kolom 

untuk memilih lebih dari satu baris dan kolom, kita bisa menggunakan "loc" dan "iloc". fungsi "loc"memilih berdasarkan label, dan "iloc"berdasarakan posisi. 

#memilih dengan slice

df.loc[0:5, "survived":"fare"]

#memilih dengan list

df.loc[[0, 5, 6, 7, 9], ["survived","pclass","sex","age", "fare", "alive"]]

Memilih baris dan kolom berdasarkan label dan posisi.

Untuk memilih baris dan kolom berdasarkan label dan posisi kita bisa menggabungkan fungsi "loc" dan "iloc". "loc" berdarsakan label dan "iloc" berdasarkan posisi. 

df.iloc[10:20, :].loc[:, "survived":"fare"]

Terdapat banyak cara untuk mengakses atau memilih baris dan kolom dari sebuah dataframe , diantaranya seperti cara-cara diatas. masih banyak cara lainya untuk memilih baris dan kolom tergantung intuisi kita. 

Terima kasih.......

Related Posts:

Tweet

Analisis Data dengan Python Pandas Pivot Table

Salah satu cara yang cepat dan gampang untuk analisis data yaitu dengan menggunakan pivot tabel, dengan pivot tabel kita dapat membuat tabulasi data, mengelompokan data, mencari nilai maksimal, nilai minimal, rata-rata dan melakukan analisis deskriptif lainnya. kesempatan kali ini saya akan mencoba melakukannya dengan menggunakan python pandas. 

import pandas as pd 
import seaborn as sns 
df = sns.laod_dataset('titanic')
print(df.head()) 

Output:

#Membuat pivot tabel sederhana

df.pivot_table('survived', index='sex', columns='class')

Output:

jika ingin mengganti aggregat dengan fungsi lainnya seperti  mean, count, max, min dll, bisa ditambhakan argumen 'aggfunc'. 

df.pivot_table('survived', index='sex', columns='class', aggfunc='count')

Output :

#Membuat pivot tabel  multi level

age = pd.cut(df['age'], [0, 18, 80])
df.pivot_table('survived', ['sex', age], 'class')
Output :
bisa juga menambahkan multi level pada kolom dengan menggunakan pd.cut()

fare = pd.qcut(df['fare'], 2)
df.pivot_table('survived', ['sex', age], [fare, 'class'])
Output :


df.pivot_table(index='sex', columns='class',
                    aggfunc={'survived':sum, 'fare':'mean'})
Output:




Related Posts:







Tweet