Perpustakaan Digital ITB

Pada penelitian ini akan dilakukan perbandingan antara metode K-Means konvensional dengan K-Means modifikasi untuk melakukan clustering(pengelompokan). Ide adanya K-Means modifikasi ini adalah melihat keterbatasan yang dimiliki oleh metode K-Means konvensional. Pada K-Means konvensional tersebut hasilnya selalu berubah-ubah, kadang baik ,kadang jelek dan juga sangat sulit untuk mendapatkan global optimum. Dengan K-Means modifikasi ini diharapkan hasilnya lebih baik. K-Means modifikasi ini dikembangkan dari KMeans konvensional yang dimodifikasi dan ditambahkan algoritma LVQ(Learning Vector Quantization). Langkah untuk melakukan pengelompokan adalah : Melakukan pengelompokkan dengan K-Means. Pengelompokan terus dilakukan sampai mencapai threshold(batasan tertentu). Jika threshold sudah dicapai dan pada satu cluster masih terdapat kelas yang berbeda maka dilakukan pembelajaran dengan menggunakan LVQ. Dari ujicoba yang dilakukan , dengan menggunakan data breast-cancer-wisconsin,akurasi K-Means modifikasi lebih baik daripada dengan K-Means konvensional. Untuk uji jumlah cluster yang sesuai kelas data latih, diperoleh rata-rata akurasi K-Means modifikasi tertinggi yakni 92%, sedang untuk K-Means murni justru didapatkan rata-rata akurasi terendah yakni 60,2%.