Initial Centroid K-Means
Proyek penelitian ini berfokus pada pengembangan dan evaluasi metode penentuan centroid awal dalam algoritma K-means untuk meningkatkan akurasi dan efisiensi clustering. Penelitian ini mencakup analisis berbagai pendekatan pemilihan centroid awal, seperti metode acak, heuristik, dan berbasis data, serta dampaknya terhadap hasil cluster dan konvergensi algoritma. Studi ini bertujuan untuk mengurangi sensitivitas algoritma terhadap inisialisasi awal, mengoptimalkan stabilitas hasil cluster, dan meminimalkan waktu komputasi. Hasilnya diharapkan memberikan kontribusi terhadap peningkatan kinerja K-means dalam aplikasi data skala besar dan kompleks.
Oct 26, 2023
FGWC
Penelitian ini berfokus pada pengembangan dan penerapan algoritma Fuzzy Geographically Weighted Clustering (FGWC) untuk analisis data spasial. FGWC merupakan metode clustering berbasis bobot geografis yang mempertimbangkan kedekatan spasial dan ketidakpastian data, sehingga menghasilkan kelompok yang lebih representatif dalam konteks geografis. Penelitian ini mencakup implementasi algoritma, pengujian pada berbagai dataset spasial, dan evaluasi hasil menggunakan metrik seperti validitas cluster dan akurasi spasial. Tujuannya adalah untuk mengoptimalkan analisis data spasial di berbagai bidang, seperti perencanaan wilayah, manajemen lingkungan, dan analisis risiko bencana.
Oct 26, 2023
Clustering With R
This book explores cluster analysis using the R programming language, covering fundamental concepts to practical applications. With a step-by-step approach, it discusses clustering methods such as K-means, hierarchical clustering, and density-based models. It also explains how to choose the appropriate method, evaluate clustering results, and visualize data for interpretation. Suitable for beginners and data practitioners seeking to master effective data segmentation techniques, the book includes sample code and datasets to facilitate learning.
Oct 26, 2023