Deteksi Gerombol Dengan Metode k-Rataan Kernel Gauss

Abstract

Metode penggerombolan k-rataan tidak mampu menggerombolkan data yang terpisah secara non linier. Salah satu cara untuk menanggulangi permasalahan ini adalah dengan menggunakan fungsi kernel. Penerapan metode k-rataan di dalam ruang transformasi fungsi kernel dikenal dengan metode k-rataan kernel. Tujuan dari penelitian ini adalah untuk mengkaji nilai lebar jendela dan persentase salah klasifikasi metode k-rataan kernel pada beberapa jenis gerombol data. Data yang digunakan dalam penelitian ini terdiri dari data simulasi dan data asli. Hasil penelitian menunjukkan bahwa metode k-rataan kernel mampu menggerombolkan gerombol-gerombol yang terpisah secara linier maupun non linier sedangkan metode k-rataan hanya mampu menggerombolkan gerombol-gerombol yang terpisah secara linier. Pada data asli, metode k-rataan kernel menghasilkan persentase kesalahan klasifikasi yang lebih kecil dibandingkan metode krataan. Kedua metode memiliki kelemahan dalam menggerombolkan gerombol-gerombol yang memiliki anggota tumpang tindih. Penentuan lebar jendela pada fungsi kernel Gaussian sangat berpengaruh terhadap persentase salah klasifikasi. Penentuan lebar jendela dengan perkiraan kasar cukup efisien.