Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

K-Mean

No description
by

Samsul AriFin

on 16 July 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of K-Mean

Samsul Arifin
06523165
UNTUK MENENTUKAN TATA LETAK
APLIKASI K-MEAN

ACCESS POINT
Presentasi Tugas Akhir
Latar Belakang
Rumusan Masalah
Batasan Masalah
Tujuan dan Manfaat Penelitian
Landasan Teori
Use Case
Activity Diagram
Kesimpulan
Saran
Demo Program
Komunikasi nirkabel telah menjadi trend dimasarakat.

Masalah pengelompokan data seringkali ditemui dikehidupan sehari-hari
Pengunaan algoritma k-mean dalam klasterisasi untuk pengoptimalisasi jarak dianggap solusi yang baik dalam menghitung titik inisialisasi pusat cluster.

Implementasi yang diusulkan yaitu metode K-Means.

Perancangan aplikasi menggunakan bahasa pemrograman java dengan fremwork Net Beans IDE.

Data yang digunakan berasal dari penelitian untuk menentukan titik user (pengguna) yaitu x dan y.
Hanya dapat membaca folder excel.xls tidak dapat membaca excel.xlsx.

Metode yang digunakan adalah metode K-Means.

Tujuan
merancang program komputer untuk menentukan tata letak access point di fakultas teknologi industri lantai satu menggunakan metode K-Means.

Manfaat
Menyelesaikan permasalahan clustering.

Clustering merupakan salah satu metode Data Mining yang bersifat tanpa arahan (unsupervised).
Clustering
Ada dua jenis data clustering yang sering digunakan dalam proses pengelompokan data.
1. Hierarchical (Hirarki) data clustering
2. Non-Hierarchical (Non Hirarki) data clustering.
Algoritma K-Means
Algoritma K-Means adalah metode clustering berbasis jarak yang membagi data kedalam sejumlah cluster.
Hitung jarak setiap data ke pusat cluster.

Perhitungan Jarak
Dengan:

= Fungsi keanggotaan data ke- i dan cluster ke- k

= Perhitungan jarak data ke-i (Xᵢ)

= PerhitunganCluster ke-k (Ck)

= Banyaknya peubah yang diamati
Kelompokkan data ke dalam cluster yang dengan jarak yang paling pendek.
Hitung Pusat Cluster
Ulangi langkah 2 - 4 hingga tidak ada lagi data yang berpindah ke cluster lain.
Hitung Pusat Cluster
Faktor yang Mempengaruhi Sinyal Wifi
Faktor yang mempengaruhi Sinyal Wifi ini berpengaruh terhadap iterasi dan hasil ahir untuk mendapatkan pusat kluster.
Faktor utama yang harus di penuhi seperti :
Untuk menentukan ada tidaknya faktor penghalang pada saat pusat cluster yang dibangkitkan secara random
Untuk setiap iterasi pusat cluster berubah dan menentukan penghalang juga berubah menyesuaikan dari pusat cluster untuk tiap-tiap titik koordinat penempatan user (pengguna).
Penghalang tembok, dan posisi dari masing penghalang ini mempengaruhi dari proses iterasi dan hasil akhir dari suatu pengelompokan.
Penyebaran Titik Lokasi
Pada proses input data pengguna (user) dapat mengisikan data yang akan di kluster dari file Microsoft Excel ber-format excel.xls.
Variabel-variabel masukan data yang akan dicluster oleh sistem yaitu :
Titik koordinat X dan Y, titik koordinat ini didapatkan dari posisi pengguna saat mengakses wifi.
Bobot pengali tiap user (pengguna).
Denah
Sampel Penyebaran Titik Lokasi
Batas Bawah - Atas Ruangan
Untuk menghitung jarak data pertama dengan pusat cluster pertama setalah itu dikali dengan pembobot.
Sampel Penyebaran Titik Lokasi
Pusat Cluster
d11= √((10-48)^2)+(66-54)^2)) = 39,8497
jarak data pertama dengan pusat cluster pertama.
Jarak data pertama dengan pusat cluster kedua
d12= √((10-18)^2)+(66-53)^2) = 15,2643
Hitung Pusat Cluster Baru
Pusat Cluster baru untuk X :
X=(37+38+42+42+46+46+53+59+60+57+51+60+60+41+43+69+69+ 70+70+62+74+81+72+81+74+92+41+41+38+38)/30= 56.9

Pusat Cluster baru untuk Y :
Y=(75+68+68+66+66+63+74+75+73+68+66+67+64+61+61+72+68+64+62+65+74+72+68+68+62+74+22+27+32+26)/30= 62.0667

Menghitung Jarak
Pendahuluan
Analisis Sistem
Perancangan Sistem
Sistem mampu melakukan proses clustering berdasarkan nilai masukkan dari pengguna, yaitu masukkan data file excel dan jumlah cluster yang diharapkan pengguna.
Sistem mampu menampilkan diagram scatter plot untuk hasil clustering yang berisikan data-data yang berwarna sesuai data koordinat pengguna dan pusat cluster.
Sistem mampu melakukan analisa cluster sesuai dengan pengkategorian dalam variabel, menampilkan data dari excel dan menampilkan pusat cluster dari setiap anggota pusat cluster.
Sistem mampu menampilkan diagram scatter plot yang dapat menunjukkan proses iterasi data.
Sistem dapat membaca data yang tersimpan di file eksternal lebih banyak, seperti membaca dari pdf, excel dengan versi 2003 keatas dan sebagainya.
Sistem mampu melakukan proses clustering dengan nilai data yang bernilai huruf atau kata.
Use case merupakan proses proses yang dilakukan pada suatu sistem.
Hubungan antara aktor dan sistem dalam use case diagram menjelaskan antara input data dan output hasil yang dilakukan aktor pada sistem
Use Case
Activity diagram ini lebih menunjukkan proses umum yang berjalan dalam sistem.
Pengguna pertama akan masuk pada halaman awal yaitu welcome, disini akan menjelaskan bagaimana cara menggunakan sistem (aplikasi).
Pengguna memasukkan data excel untuk proses clustering dari file excel.
Pengguna memasukkan jumlah cluster (jumlah wifi).
Pengguna melihat data terlebih dahulu data yang akan di cluster benar atau tidak.
Pengguna setelah memastikan data sudah sesuai, lalu melakukan proses clustering.
Pengguna dapat melihat pusat cluster, data cluster.
Pengguna dapat melihat diagram scatter plot.
Activity Diagram
Kelebihan Sistem Dan Kekurangan Sistem
Kelebihan Sistem
Kekurangan Sistem
Sistem dapat melakukan proses clustering sesuai dengan masukkan (data dan variabel) yang ditentukan oleh pengguna.
Sistem lebih memudahkan pengguna, karena adanya antar-muka yang memudahkan pengguna untuk berinteraksi.
Sistem dirancang untuk menerima masukkan data dan variabel yang dinamis.
Sistem dapat membaca data yang berasal dari file excel.
Tampilan graph hasil analisa clustering tidak dapat bergerak, sehingga tidak terlihat proses pembelajaran (iterasi) data dalam memperbaiki derajat keanggotaan.
File excel yang dapat dibaca hanya excel versi 1997-2003 atau berekstensi .xls.
Sistem tidak mampu meng kluster data yang bernilai huruf atau kata.
Terimakasih Atas Perhatiannya
Wassalamualaikum...
Tetapkan banyaknya cluster (K). Tentukan pusat cluster secara acak (random).
Full transcript