Scribd
Unggah
8 tayangan23 halaman

Teknik Unsupervised Learning: Clustering dan Asosiasi

Unsupervised learning menggunakan algoritma pembelajaran mesin untuk menganalisis dan mengelompokkan data tanpa label ke dalam pola tersembunyi atau kelompok yang sesuai. Teknik ini digunakan untuk clustering, asosiasi, dan reduksi dimensi guna menemukan hubungan di antara variabel dan mengurangi jumlah fitur data. Salah satu algoritma clustering populer adalah K-means yang mengelompokkan data berdasarkan jarak antar titik data.

Diunggah oleh

Alamullah Istiqlal
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
8 tayangan23 halaman

Teknik Unsupervised Learning: Clustering dan Asosiasi

Unsupervised learning menggunakan algoritma pembelajaran mesin untuk menganalisis dan mengelompokkan data tanpa label ke dalam pola tersembunyi atau kelompok yang sesuai. Teknik ini digunakan untuk clustering, asosiasi, dan reduksi dimensi guna menemukan hubungan di antara variabel dan mengurangi jumlah fitur data. Salah satu algoritma clustering populer adalah K-means yang mengelompokkan data berdasarkan jarak antar titik data.

Diunggah oleh

Alamullah Istiqlal
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd

Unsupervised Learning

Clustering, Asosiasi, Dimensional Reduksi


By Lalu Mutawalli, [Link]
Unsupervised Learning
Unsupervised Learning menggunakan algoritma pembelajaran
mesin (machine learning) untuk menganalisis dan
mengelompokkan kumpulan data yang tidak berlabel.

Algoritma ini menemukan pola tersembunyi atau


pengelompokan data tanpa perlu campur tangan manusia,
berbanding terbalik dengan Supervised Learning yang erat
dengan campur tangan manusia.
Data berlabel (labelled data) adalah data yang memiliki label berupa
“tag”, atau kelas yang biasanya dijadikan output model. Sedangkan
data yang tidak berlabel (unlabelled data) adalah data yang tidak
memiliki label yang digunakan sebagai output pemodelan.
Unsupervised Learning digunakan untuk
• Clustering
• Asosiasi
• Deminsional Reduksi
Clusering
Clustering adalah teknik machine learning untuk
mengelompokkan data tidak berlabel (unlabelled
data) berdasarkan persamaan atau
perbedaannya. Contohnya untuk analisis cluster
adalah K-Means clustering yang sering digunakan
dalam proses analisis kelompok konsumen.
Asosisai
Jenis unsupervised learning yang dilakukan dengan
menerapkan aturan berbeda untuk menemukan
hubungan antara variabel dalam sebuah dataset.
Analisis asosiasi sering digunakan untuk
pembangunan mesin rekomendasi, misal kolom
rekomendasi barang berdasarkan pembelian atau
pencarian sebelumnya.
Dimensional Reduksi
Teknik untuk mengurangi jumlah variabel atau
feature data input atau data training. Proses ini
dilakukan karena kita data dengan variabel yang
sangat besar atau sering disebut dengan high
dimensional data. Data seperti ini lebih menantang
jika dilakukan pemodelan, sering disebut kutukan
dimensionalitas (dimensionality curse).
K-MEANS
K-Mean Clustering
K Means Clustering menentukan kelompok-kelompok dalam set data. Caranya adalah
dengan melihat jumlah grup yang diwakili variabel K. Untuk bisa mengelompokkan data,
algoritma ini bekerja secara berulang (iteratif) dari setiap titik data ke grup K yang telah
dibuat.
K-Mean Proses
Alur K-Means
Macam-macam metode perhitungan jarak

Euclidean Distance
Manhattan Distance
Jacquard Coifficience
Cossine Similarity
Contoh
Tabel 1 merupakan tabel dataset dari 15 mahasiswa yang memprogramkan mata
kuliah Data mining. Dari 15 mahasiswa tersebut akan dikelompokkan menjadi 3
bagian yaitu kelompok pintar, sedang dan kurang.

Adapun cluster yang akan dibentuk


antara lain :
a. Cluster 1 (C1) = Pintar
b. Cluster 2 (C1) = Sedang
c. Cluster 3 (C1) = Kurang
Ecluedian
Praktikum
Thanks You…..

Anda mungkin juga menyukai