Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more ➡
Download
Standard view
Full view
of .
Add note
Save to My Library
Sync to mobile
Look up keyword
Like this
2Activity
×
0 of .
Results for:
No results containing your search query
P. 1
Modul clustering

Modul clustering

Ratings: (0)|Views: 141|Likes:
Published by Etistika YuWi
IT
IT

More info:

Published by: Etistika YuWi on Jan 04, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See More
See less

12/25/2013

pdf

text

original

 
 
LABORATORIUM DATA MININGJURUSAN TEKNIK INDUSTRIFAKULTAS TEKNOLOGI INDUSTRIUNIVERSITAS ISLAM INDONESIA 
ModulModulModulModul IIIIIIIICLUSTERINGCLUSTERINGCLUSTERINGCLUSTERING
TUJUA PRAKTIKUM
1. Mahasiswa mempunyai pengetahuan dan kemampuan dasar dalam melakukan penelitian pasar.2.
 
Mahasiswa dapat mengetahui dan memahami arti dan garis besar dari AnalisisCluster dalam Data Mining, mulai dari pengambilan data, pengolahan data sampaidengan tahap pengelompokan, serta mengaplikasikannya dalam kasus-kasus yangdihadapinya.
LADASA TEORI2.1 Clustering Concept
Analisis cluster merupakan salah satu teknik data mining yang bertujuan untuk mengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik tertentuyang dapat dipisahkan dengan kelompok obyek lainnya, sehingga obyek yang beradadalam kelompok yang sama relatif lebih homogen daripada obyek yang berada padakelompok yang berbeda. Jumlah kelompok yang dapat diidentifikasi tergantung pada banyak dan variasi data obyek. Tujuan dari pengelompokan sekumpulan data obyek kedalam beberapa kelompok yang mempunyai karakteristik tertentu dan dapat dibedakansatu sama lainnya adalah untuk analisis dan interpretasi lebih lanjut sesuai dengantujuan penelitian yang dilakukan. Model yang diambil diasumsikan bahwa data yangdapat digunakan adalah data yang berupa data interval, frekuensi dan biner. Set dataobyek harus mempunyai peubah dengan tipe yang sejenis tidak campur antara tipe yangsatu dengan lainnya.
2.2 Tujuan Analisis Cluster
Analisis cluster dapat diterapkan pada bidang apa saja. Namun pemakaian teknik ini lebih familiar pada bidang pemasaran karena memang salah satu kegiatan yang
 
 dilakukan dalam pemasaran adalah pengelompokan, yang disebut segmentasi pasar.Tujuan analisis cluster di dalam pemasaran adalah sebagai berikut :1.
 
Membuat segmen pasar (segmenting the market)Pelanggan atau pembeli sering diklasterkan berdasarkan manfaat atau keuntunganyang diperoleh dari pembelian barang. Setiap cluster akan terdiri dari pelanggan/pembeli yang relatif homogen, dinyatakan dalam manfaat yang dicari.2.
 
Memahami perilaku pembeliAnalisis cluster digunakan untuk mengenali/mengidentifikasi kelompok pembeliyang homogen/relatif homogen. Kemudian perilaku dalam untuk setiap kelompok  perlu dikaji secara terpisah. Responden (pembeli) dikelompokkan didasarkan padaself-reported importance yang terkait pada setiap faktor pilihan yang digunakanuntuk memilih toko atau mall di mana para pembeli membeli barang yangdibutuhkan.3.
 
Mengenali peluang produk baruDengan mengklasterkan merk dan produk, competitive set di dalam pasar bisaditentukan. Merek di dalam klaster yang sama bersaing sengit satu sama lain,daripada merek dari klaster lain.4.
 
Mereduksi data. Analisis cluster digunakan sebagai suatu alat mereduksi data secaraumum, untuk mengembangkan klaster atau sub-group dari data yang mudah dikeloladari kumpulan data asli, secara individual.
2.3 Prosedur Analisis Cluster
Menentukan segmentasi Pasar Rumuskan MasalahPilih Ukuran Jarak Pilih Prosedur Peng-cluster-anPenentuan Banyaknya Cluster Profilisasi Customer 
 
 Secara umum proses dimulai dengan merumuskan masalah pengklasterandengan mendefinisikan variabel-variabel yang dipergunakan untuk dasar  pengklasteran/pembentukan klaster. Kemudian pengambilan p pengukuran peubah padan obyek pengamatan. Data tersebut dijadikan matriks data mentah berukuran m x p.Matrik tersebut ditransformasikan ke dalam bentuk matriks similaritas (kemiripan) berupa n x n yang dihitung berdasarkan pasangan-pasangan obyek p peubah. Konsepdasar pengukuran analisis cluster adalah konsep pengukuran jarak (
distance
) dankesamaan (
 similarity
).
 Distance
adalah ukuran tentang jarak pisah antar obyek sedangkan
 similarity
adalah ukuran kedekatan. Konsep ini penting karena pengelompokan pada analisis cluster didasarkan pada kedekatan. Pengukuran jarak (
distance type measure
) digunakan untuk data-data yang bersifat matriks, sedangkan pengukuran kesesuaian (
matching type measure
) digunakan untuk data-data yang bersifat kualitatif.
2.4 Teknik Pengukuran Jarak 
1)
 
Euclidean DistanceMerupakan ukuran jarak antara dua item X dan Y.
=
2
Yi)(XiY)D(X,
 2)
 
Squared Euclidean DistanceMerupakan ukuran jarak antara dua item X dan Y.
=
2
Yi)(XiY)D(X,
 3)
 
Pearson CorrelationKorelasi antara vektor nilai :
)1N( ZZ)Y,X(S
yixi
=
 di mana Z
xi
adalah nilai x yang telah distandarkan untuk item ke-i dan N adalah jumlah itemnya.4)
 
Chebychev
iii
YXmax)Y,X(D
=
 5)
 
Block 
=
ii
YX)Y,X(D
 

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->