Algoritma K-Means Clustering pada Data Science

Data Science bekerja dengan beragam algoritma untuk menyelesaikan permasalahan. Secara umum algoritma tersebut dibedakan menjadi dua berdasarkan cara kerjanya, yaitu Supervised dan Unsupervised Learning.

Garis besar perbedaannya adalah ada atau tidaknya data yang perlu dipelajari oleh algoritma untuk membentuk suatu model. Ini pun tergantung dari ketersediaan data sehingga pemilihan algoritma sangat penting dalam Data Science.

Algoritma Data Science yang cukup populer dalam Unsupervised Learning terutama untuk permasalahan clustering adalah algoritma K-Means. Apa sebenarnya algoritma tersebut? Bagaimana pula cara kerjanya? Nah, bagi kalian yang pemula dan sedang mendalami teori yang berkaitan dengan algoritma Data Science, yuk simak pembahasan mudah berikut ini!

1. Algoritma K-Means Clustering

Algoritma K-Means pertama kali diperkenalkan oleh McQueen JB pada tahun 1976. Algoritma ini termasuk ke dalam metode non hierarchy dan sudah sangat umum digunakan. Metode ini akan membagi objek menjadi beberapa partisi.

Pada algoritma ini, setiap objek wajib masuk ke dalam kelompok tertentu. Namun dalam satu tahapan proses tertentu,objek yang telah masuk ke dalam satu kelompok pada tahapan selanjutnya objek tersebut dapat berpindah ke kelompok lain.

Terdapat beberapa komponen dalam algoritma ini antara lain seperti banyaknya cluster, pusat cluster, jarak Euclidean, dan fungsi objektif.

Baca juga : Data Science Adalah: Yuk Kenali Lebih Jauh Tentang Data Science!

 2. Cara Kerja Algoritma K-Means Clustering

Cara kerja algoritma K-Means Clustering adalah sebagai berikut:

• Tentukan nilai k, yaitu jumlah kelompok yang ingin dibentuk.

• Pilih k titik acak dari data sebagai pusat kelompok awal.

• Untuk setiap data, tentukan pusat kelompok terdekat dan tempatkan data tersebut ke dalam kelompok tersebut.

• Hitung ulang pusat kelompok dengan mengambil rata-rata dari seluruh data dalam kelompok.

• Ulangi langkah 3 dan 4 sampai tidak ada data lagi yang berubah kelompok atau telah mencapai batas iterasi yang ditentukan.

Algoritma ini mengoptimalkan objektif untuk meminimalkan jarak antara setiap data dengan pusat kelompok yang ditugaskan. Dengan demikian, kelompok yang dihasilkan akan memiliki varian minimal dan terpisah dengan kelompok lainnya.

3. Aplikasi Algoritma K-Means Clustering

Algoritma K-Means Clustering merupakan salah satu algoritma yang sering digunakan dalam Data Science untuk melakukan analisis clustering pada data. Berikut adalah contoh penerapannya:

Misalkan kita memiliki sebuah dataset berisi informasi tentang produk dan harga jualnya pada toko-toko online. Dataset tersebut terdiri dari 1000 baris data dan 2 kolom, yaitu 'harga' dan 'produk'. Tujuan kita adalah mempartisi data tersebut ke dalam 3 kelompok berdasarkan harga jualnya.

• Langkah pertama adalah menentukan nilai k. Kita akan memilih k=3, karena kita ingin mempartisi data ke dalam 3 kelompok berdasarkan harga.

• Selanjutnya, kita akan memilih tiga titik awal secara acak sebagai pusat kelompok awal.

• Setiap data pada dataset akan diberikan label berdasarkan kelompok yang terdekat dengan pusat kelompok menggunakan rumus Euclidean distance.

• Setelah setiap data diberikan label, kita akan menghitung ulang pusat kelompok untuk setiap kelompok.

• Kita akan mengulangi langkah 3 dan 4 hingga tidak ada lagi data yang berubah kelompok atau telah mencapai batas iterasi yang ditentukan.

Setelah algoritma K-Means Clustering selesai dilakukan, kita akan mendapatkan hasil berupa 3 kelompok data berdasarkan harga, yaitu:

• Kelompok 1: Produk dengan harga rendah.

• Kelompok 2: Produk dengan harga sedang.

• Kelompok 3: Produk dengan harga tinggi.

Dengan menggunakan hasil ini, kita dapat melakukan analisis lebih lanjut untuk mengetahui karakteristik setiap kelompok, seperti produk yang paling laku di masing-masing kelompok atau strategi pemasaran yang tepat untuk masing-masing kelompok.

4. Keunggulan dan Kekurangan Algoritma K-Means

Keunggulan:

• Mudah diimplementasikan dan cukup cepat dalam menyelesaikan tugas clustering pada data.

• Sangat efektif dalam memisahkan kelompok data dengan varian yang tinggi.

• Dapat menghasilkan hasil clustering yang stabil, sehingga cocok digunakan pada data yang relatif stabil atau tidak berubah secara signifikan dalam waktu yang singkat.

• Cocok digunakan pada data dengan dimensi yang besar.

Kekurangan:

• Sangat sensitif terhadap titik awal (initial seed point). Jika pusat kelompok awal dipilih secara acak, hasil clustering yang dihasilkan bisa berbeda-beda setiap kali dijalankan.

• Perlu menentukan jumlah kelompok yang diinginkan terlebih dahulu. Jumlah kelompok yang tidak tepat dapat menyebabkan hasil clustering yang kurang akurat atau tidak bermakna.

• Tidak efektif untuk mengelompokkan data dengan varian yang rendah atau data yang memiliki bentuk yang sangat berbeda-beda, seperti data yang saling tumpang tindih atau terdapat outliers.

• Memiliki masalah dengan data yang memiliki dimensi yang tinggi atau memiliki fitur yang banyak. Hal ini dikarenakan semakin banyak dimensi atau fitur yang dimiliki, semakin sulit untuk menghitung jarak antara setiap data dan pusat kelompok.

Baca juga : 3 Contoh Penerapan Data Science yang Sangat Berguna di Dunia Perindustrian

Beragam algoritma Data Science bisa kamu pelajari bersama DQLab. DQLab sendiri merupakan platform edukasi pertama yang mengintegrasi fitur ChatGPT, sehingga memudahkan pemula untuk mengakses informasi mengenai Data Science secara lebih mendalam.

DQLab juga menggunakan metode HERO, yaitu Hands-On, Experiential Learning & Outcome-based yang dirancang ramah untuk pemula. Jadi sangat cocok untuk kamu yang belum mengenal Data Science sama sekali.

Untuk bisa merasakan pengalaman belajar yang praktis dan aplikatif, yuk Sign Up sekarang di DQLab.id.