Analisis Perbandingan Kinerja Metode K-Means dengan Modifikasi Metode K-Means

Abstract

K-Means merupakan salah satu metode dalam data mining yang bisa digunakan untuk melakukan clustering suatu data (Winda, 2015). Kendala pada metode ini, apabila titik cluster dipilih secara acak sehingga data yang dihasilkan dapat berbeda-beda (Han & Kamber, 2012). Jika nilai tersebut kurang baik, maka pengelompokan yang dihasilkan kurang optimal. Dalam kasus ini telah dilakukan analaisis antara K-Means dengan K-Means yang telah dimodifikasi.sehingga hasil yang diperoleh yaitu pada metode K-Means Jumlah Kelompok Cluster, Mean Square Error(MSE). K-Means memberikan nilai MSE sebesar 508,54 pada pengujian 1 dan 760,64 pada pengujian 2, Sedangakan Modifikasi K-Means Memberikan nilai MSE sebesar 485,80 pada pengujian 1 dan 2. K-Means nilai selalu berubah (tidak tetap). Dari hasil tersebut dapat terlihat bahwa Modifikasi K-Means jauh lebih baik dalam meminimalisir Jumlah MSE.

K-Means is one method in data mining that can be used to clustering a data (Winda, 2015). Constraints on this method, if the cluster is chosen randomly so that the resulting data can be different (Han & Kamber, 2012). If the value is not good, then the resulting grouping is less than optimal. In this case an analysis of K-Means with K-Means has been modified. So the results obtained are the Number Cluster K-Means, That Mean Square Error (MSE) gives value of 508.54 in tests 1 and 760,64 in test 2, K-Means Modification Gives a MSE of 485,80 on tests 1 and 2. K-Means values are constantly changing (not fixed). From these results it can be seen that K-Means Modification is much better in minimizing the number of MSE.