Analisis Cluster

Analisis Cluster

• Analisis cluster adalah pengorganisasian kumpulan pola ke dalam cluster (kelompok-kelompok) berdasar atas kesamaannya.
• Pola-pola dalam suatu cluster akan memiliki kesamaan ciri/sifat daripada pola-pola dalam cluster yang lainnya.

• Clustering bermanfaat untuk melakukan analisis pola-pola yang ada, mengelompokkan, membuat keputusan dan machine learning, termasuk data mining, document retrieval, segmentasi citra, dan klasifikasi pola.
• Metodologi clustering lebih cocok digunakan untuk eksplorasi hubungan antar data untuk membuat suatu penilaian terhadap strukturnya.

Tipe Clustering

Partitional Clustering 

• Pembagian objek data ke dalam non-overlapping subset (cluster) sehingga setiap objek data adalah tepat satu subset 

Hierarchical Clustering

• Sehimpunan cluster bersarang yang diorganisasikan sebagai struktur hirarki pohon.

Well-separated clusters

• Sebuah cluster adalah sehimpunan titik yang memiliki kemiripan dengan titik lain dalam cluster daripada di cluster lain.

Center-based clusters

• Sebuah cluster yang memiliki anggota-anggota 
  yang mirip dengan pusat cluster daripada pusat 
  cluster lain.

● Pusat cluster

• Centroid: Rata-rata dari semua titik dalam cluster
• Medoid: memilih titik sebagi titik tengah.

Density-based clusters

• Sebuah cluster adalah area padat titik, yang dipisahkan dengan area kepadatan rendah, dari area kepadatan tinggi lainnya.
• Digunakan ketika cluster tidak teratur atau saling terkait, dan ketika noise dan outliers hadir.

Komponen

• representasi pola (termasuk ekstraksi sifat/ciri dan atau pemilihan),
• definisi ukuran kedekatan pola sesuai dengan domain data,
• clustering atau pengelompokan,
• jika diperlukan, abstraksi data (proses ekstraksi untuk deksripsi cluster),
• jika diperlukan, penilaian terhadap hasil (menggunakan metode pengukuran dan pengujian terhadap hasil clustering apakah valid atau tidak).

Tahapan Clustering

• Representasi pola (pattern representation) merupakan jumlah kelas, jumlah pola yang ada, jumlah, tipe dan skala ciri/sifat yang tersedia untuk algoritma clustering.
• Pemilihan ciri/sifat (feature selection) adalah proses identifikasi ciri/sifat yang lebih efektif untuk digunakan dalam algoritma clustering, sedangkan ekstraksi ciri/sifat adalah pemakaian satu atau lebih transformasi dari ciri/sifat yang ada sebelumnya untuk mendapatkan ciri/sifat yang lebih menonjol.
• Kedekatan pola biasanya diukur dengan fungsi jarak antar dua pasang pola.
• Pengukuran jarak yang sederhana, seperti Euclidean distance, Minkowski, Hamming distance, sering digunakan untuk menyatakan ketidaksamaan antara dua pola
• Sedangkan pengukuran kesamaan lain, seperti Simple Matching Coefficient, Jaccard Coefficient, Cosine Similarity, dapat digunakan untuk menunjukkan kesamaan karakter antar pola-pola.

k-Means

• Partitional clustering
• Setiap cluster terasosiasi dengan sebuah centroid
• Setiap titip dinyatakan ke suatu cluster yang paling dekat dengan centroidnya.
• Jumlah cluster, K, dinyatakan di awal

Contoh K-Means

● Kelompokkan dataset berikut ke dalam 3 kelompok dengan k-means (2 epoch saja):

1. A1=(2,10)
2. A2=(2,5)
3. A3=(8,4)
4. A4=(5,8)
5. A5=(7,5)
6. A6=(6,4)
7. A7=(1,2)
8. A8=(4,9)

Keterbatasan K-Means

• K-Mean bermasalah ketika cluster-cluster berbeda
• Ukuran
• Kepadatan
• Tidak berbentuk bola
• K-Mean bermasalah ketika data berisi outlier

K-Medoid

• Seperti metode partisi clustering yang lainnya, metode kmedoid juga digunakan untuk pengelompokkandokumen.
• Dalam metode k-medoid ini setiap cluster dipresentasikan dari sebuah objek di dalam cluster yang disebut dengan medoid.
• Tujuannya adalah menemukan kelompok k-cluster (jumlah cluster) diantara semua objek data di dalam sebuah kelompok data.
• Clusternya dibangun dari hasil mencocokkan setiap objek data yang paling dekat dengan cluster yang dianggap sebagai medoid sementara.

K-Medoids

1. pilih point k sebagai inisial centroid / nilai tengah (medoids) sebanyak k cluster.
2. cari semua point yang paling dekat dengan medoid, dengan cara menghitung jarak vector antar dokumen. (menggunakan Euclidian distance)
3. secara random, pilih point yang bukan medoid.
4. hitung total distance
5. if TD baru < TD awal, tukar posisi medoid dengan medoids baru, jadilah medoid yang baru.
6. ulangi langkah 2 - 5 sampai medoid tidak berubah.

Nearest Neighbor clustering

• Sebuah titik membentuk cluster baru atau bergabung dengan salah satu cluster yang sudah ada bergantung pada seberapa dekat titik tersebut dengan cluster.
• Sebuah treshold, t, untuk menentukan bergabung atau membuat cluster baru.

Hierarchical Clustering

• Membentuk beberapa himpunan cluster
• Jumlah cluster tidak dimasukkan di awal
• Struktur hirarki cluster dapat dipresentasikan sebagaidendrogram.
• Daun berisi 1 item.
• Setiap item masuk dalam satu cluster
• Root mewakili semua item
• Internal node menyatakan cluster yang dibentuk oleh penggabungancluster anak.
• Setiap level diasosiasikan dengan suatu treshold jarak yang digunakan untuk menggabungkan cluster

– Jika jarak antar 2 cluster lebih kecil dari treshold, maka digabungkan.

– Jarak akan bertambah sesuai dengan level.

Single Link dan Complete Link

• Single Link adalah 2 cluster digabungkan jika hanya 2 titiknya berdekatan.
• Complete Link adalah Jarak antar 2 cluster adalah jarak terbesar antar sebuah elemen dalam satu cluster dan sebuah elemen di cluster lain.