Analisis Kinerja Algoritma K-Means dengan Penentuan Centroid Menggunakan Metode Rank Order Centroid (ROC)

Abstract

Proses awal clustering algoritma k-means adalah menentukan titik pusat awal cluster (centroid). Terdapat tiga cara dalam memilih centroid pada algoritma k-means konvensional yaitu dinamik, acak dan nilai tertinggi dan terendah. Pemilihan centroid yang sering dilakukan adalah dengan acak. Akan tetapi pada penelitian ini, pemilihan centroid pada algoritma k-means konvensional dilakukan dengan nilai tertinggi dan terendah. Penelitian ini membandingkan nilai akurasi yang didapatkan dari k-means konvensional dengan k-means menggunakan ROC (Rank Order Centroid). Hasil yang didapatkan algoritma K-means menggunakan ROC mengalami peningkatan dibandingkan k-means konvensional sebesar 3.54% yaitu dari 22.88% menjadi 26.42%.

The initial process of k-means algorithm clustering was to determine the initial center point of the cluster (centroid). There was three ways to choose a centroid in the conventional k-means algorithm, namely dynamic, random and the highest and lowest values. The choice of centroid is often done randomly. However, in this study, the centroid selection in the conventional k-means algorithm was carried out with the highest and lowest values. This study compares the accuracy value obtained from conventional k-means with k-means using ROC (Rank Order Centroid). The results obtained by the K-means algorithm using ROC have increased compared to conventional k-means by 3.54%, from 22.88% to 26.42%.