BIG DATA
Analisis Cluster
Wawan Kurniawan [Link]
Pengertian
• Analisis cluster adalah analisis
yang digunakan untuk
mengklasifikasikan objek atau
observasi yang berbeda ke
dalam kelompok (klaster)
sehingga kesamaan antara objek
dalam kelompok maksimal dan
kesamaan antar kelompok
minimal
Pengertian
• Analisis klaster juga merupakan
salah satu teknik dalam machine
learning yang termasuk ke
dalam kelompok unsupervised
learning.
Pengertian
• Tujuan dari cluster analysis adalah
membuat kelompok (klaster) dengan
memaksimalkan kemiripan dalam
kelompok dan memaksimalkan
perbedaan antar kelompok.
Contoh analisis klaster
Beberapa contoh aplikasi
cluster analysis adalah:
• Segmentasi pasar: memahami
karakteristik konsumen/ calon
konsumen, misal berdasarkan usia
dan pengeluaran.
• Segmentasi gambar: untuk
aplikasi pengenalan objek
Contoh analisis klaster
• Social Network Analysis (SNA):
mengelompokkan tweet atau profile
berdasarkan opininya terhadap suatu
kasus.
• Taksonomi: dalam biologi, analisis
klaster adalah alat yang penting
untuk klasifikasi organisme.
Contoh analisis klaster
• Medis: identifikasi pasien yang
memiliki penyakit dengan penyebab
yang sama atau pasien yang harus
menerima pengobatan yang sama.
Mengapa melakukan
analisis klaster
• Kita melakukan analisis cluster
karena dengan membagi data atau
observasi ke dalam klaster berbeda
dapat menunjukkan pola-pola dan
informasi serta insight yang mungkin
akan berguna.
Mengapa melakukan
analisis klaster
• Untuk lebih memahami data dan
fenomena yang kita analisis, kita
dapat melakukan klastering
berdasarkan variabel atau feature
yang berbeda dan menghasilkan
klaster-klaster yang berbeda.
Kapan menggunakan
analisis klaster
Ada beberapa waktu yang tepat
kapan kita menggunakan cluster
analysis, antara lain:
• Exploratory Data Analysis (EDA):
pengelompokkan data ke dalam
klaster-klaster akan memberikan
insight terkait objek atau fenomena
yang dianalisis
Kapan menggunakan
analisis klaster
• Unlabeled data: ketika data kita
tidak memiliki label atau keterangan
yang menjadi variabel dependent
(Y), maka kita bisa gunakan cluster
analysis.
Metode analisis klaster
Metode analisis klaster dapat dibagi
menjadi dua jenis:
• Analisis klaster non hirarki (tidak
bertingkat)
• Analisis klaster hirarki (bertingkat)
Metode analisis klaster
Non hierarchical clustering
• Analisis klaster non hirarki
melakukan proses pengklasteran
secara langsung pada semua
observasi yang ada di dataset,
sehingga pengklasteran hanya
terjadi dalam satu level atau tidak
bertingkat.
Metode analisis klaster
Beberapa algoritma yang termasuk
jenis non hierarchical clustering
antara lain:
• K-means clustering
• K-medoids
• DBSCAN
Metode analisis
Hierarchical clustering
klaster
• Sebaliknya, hierarchical clustering
atau analisis cluster hirarki
menggunakan proses klasterisasi
bertingkat.
• Hierarchical clustering merupakan
analisis yang lebih dahulu
digunakan, misal dalam proses
pembagian taksonomi hewan di
Metode analisis klaster
Analisis klaster bertingkat dapat
dibagi menjadi dua tipe:
• Divisive (top-down): dimulai dari
klaster yang besar lalu dipisah,
dibagi menjadi klaster-klaster yang
lebih kecil. Contoh: taksonomi
tumbuhan.
Metode analisis klaster
• Agglomerative (bottom-up):
dimulai dari setiap observasi dan
dikelompokkan melalui
penggabungan klaster secara
bertahap, sampai didapatkan satu
klaster yang mencakup semuanya.
.:: SELESAI ::.