Register Now

Login

Lost Password

Lost your password? Please enter your email address. You will receive a link and will create a new password via email.

Add post

Add question

Pythagoras Dalam Algoritma Hierarchical

Masalah clustering, selanjutnya saya sebut pengklasifikasian, sebenarnya adalah masalah optimisasi.

Dan tahukah bahwa pengklasifikasian bisa untuk memprediksi? “.

Sebelum kita bahas ini lebih jauh, sebaiknya kita mengenal dulu optimisasi. Ada 2 hal yang diperhatikan ketika berbicara optimisasi.

  1. Apa yang dioptimisasi.
  2. Syarat yang harus dipenuhi.

Optimisasi pada masalah pengklasifikasian adalah memaksimalkan kemiripan objek-objek pada tiap kluster. O ya, pengklasifikasian itu seperti kita disuruh merapikan buku. Misalnya, buku harus disusun berdasarkan topik. Nah, buku yang membahas topik yang sama harus di simpan berdekatan.

Bagaimana jikalau ada buku dengan topik baru? Dimana buku itu harus kita simpan?

Kita bisa menyimpannya berdekatan dengan buku lain jika buku tersebut “mirip/dekat atau topik yang dibahas ada hubungannya dengan buku lain”.

Jadi, yang dioptimasi adalah kemiripan objek pada tiap kluster.

Syarat yang harus dipenuhi biasanya adalah jumlah kluster. Jumlah kluster-nya “dibatasi” misal dua kluster.

Cara pengklasifikasian yang akan dibahas pada artikel ini adalah Hiearchical clustering.

Hierachical Clustering. Langkah-langkah pengklasifikasiannya sebagai berikut :

  1. Jika terdapat sebanyak N objek maka buat N kluster ( tiap kluster memiliki 1 objek ).
  2. Dua kluster terdekat ( alias mirip-dihitung pakai rumus jarak ), digabung.

“Lakukan kedua langkah tersebut terus menerus hingga jumlah klusternya  1 atau sesuai dengan kebutuhan.”

Contoh. Misal kita mempunyai 3 kota, Bandung, Jakarta, dan Sumedang. Kemudian kita akan membuat 2 kluster pada kota-kota tersebut.

Berikut tabel jarak antar kota tersebut.

[table id=2 /]

*mobile version (geser kanan pada tabel untuk melihat lebih lengkap).

Langkah 1. Karena ada 3 kota (objek) maka buat 3 kluster, yaitu Bandung, Jakarta dan Sumedang.

Langkah 2. Karena jarak Bandung dan Sumedang dekat, gabung keduanya. sehingga tersisa 2 kluster. (selesai)

Kaitannya dengan kalkulus adalah “cara menghitung jarak”. Apabila 2 buah objek memiliki koordinat, misal x dan y, bagaimana kita menghitung jarak antara keduanya? Kalkulus menawarkan cara Euclidean Distance.

rosalind.info

Pada gambar di atas, objek mempunyai koordinat (x,y). Objek pertama (x_1,y_1) dan objek kedua (x_2,y_2). Jika d  (distance) adalah jarak dan x_2-x_1=\Delta x dan y_2-y_1=\Delta y maka

jarak = \sqrt{(\Delta x)^2+(\Delta y)^2}

*rumus jarak di atas berasal dari rumus pythagoras yaitu a^2+b^2=c^2.

“Manfaat dari belajar clustering adalah kita bisa menggunakannya untuk membedakan objek atau pengenalan citra atau pengklasifikasian citra.”

 Jika kamu melihat temanmu dengan suatu kekurangan lalu menafikan kebaikannya. Berhati-hatilah. Bisa jadi 1 kebaikannya melebihi 100 kebaikanmu.

sumber gambar : researchgate.net

Baca Lagi Biar Pinter

  • 80
    Masih tentang pengklasifikasian yang bermanfaat untuk memprediksi. Artikel ini membahas algoritma K -Mean yang juga memanfaatkan Euclidean Distance untuk mengklasifikasi->memprediksi. Sederhananya,…
    Tags: objek, yang, $latex, dengan, kita, kluster, adalah, algoritma, pada, di
  • 41
    Algoritma K-NN merupakan algoritma yang bisa melakukan prediksi. Cara yang digunakan sangat sederhana. Cukup menghitung jarak terdekat. Artinya, apabila ada…
    Tags: $latex, $, yang, dan, jarak, dengan, rumus, objek, algoritma, knn

About Riad Taufik LazwardiSweet

Lecturer of Mathematics at 1. Kalbis Institute | Managed by Binus (2018-now) 2. Telkom University (2017-2018) 3. UIN Bandung (2015-2018)

Follow Me

Leave a reply