Clustering Adalah Apa? Pengertian, Jenis, dan Contoh Algoritma
Clustering (pengelompokan) adalah teknik pembelajaran tak terawasi yang mengelompokkan data ke beberapa kelompok berdasarkan kemiripan, sehingga data dalam satu kelompok mirip satu sama lain dan berbeda dari data di kelompok lain. Karena tidak memakai label yang sudah ditentukan, algoritma menemukan struktur atau pola alami data secara mandiri.
Mengapa disebut pembelajaran tak terawasi
Dalam pembelajaran terawasi, model belajar dari pasangan data dan label, misalnya gambar yang sudah ditandai "kucing" atau "anjing". Clustering berbeda: data yang masuk tidak punya jawaban benar, sehingga tugas model adalah mencari titik-titik yang berdekatan lalu menandainya sebagai satu kelompok.
| Aspek | Klasifikasi | Clustering |
|---|---|---|
| Label | Sudah ada sebelumnya | Tidak ada, ditemukan sendiri |
| Pertanyaan | "Ini termasuk kelas yang mana?" | "Data mana yang sejenis?" |
| Contoh | Menandai email spam | Mengelompokkan segmen pelanggan |
Clustering termasuk dalam pembelajaran tak terawasi, bersama teknik seperti pengurangan dimensi dan pencarian pola tanpa label.
Cara kerja dasar
Sebelum mengelompokkan, algoritma mengukur seberapa mirip dua titik data. Ukuran yang umum dipakai antara lain jarak euclidean untuk data numerik dan kemiripan cosine untuk data teks.
- Mengukur kemiripan: setiap titik dibandingkan berdasarkan jarak atau sudut antar fitur.
- Membentuk kelompok: titik yang berdekatan digabung, lalu setiap kelompok diringkas, misalnya dengan titik pusat (centroid).
- Menyesuaikan ulang: kelompok dan titik pusat diperbarui sampai susunannya tidak banyak berubah.
Hasil akhir berupa kelompok yang lebih ringkas dari data awal, sehingga pola yang tersembunyi lebih mudah dibaca.
Jenis algoritma clustering
Ada beberapa pendekatan yang membuat asumsi berbeda tentang bentuk data.
| Jenis | Cara memandang data | Contoh |
|---|---|---|
| Berbasis pemisahan | Membagi data menjadi sejumlah kelompok dengan titik pusat | K-means |
| Berbasis hierarki | Membangun pohon pengelompokan dari yang kecil ke besar | Agglomerative |
| Berbasis kepadatan | Kelompok tumbuh dari area padat, titik sepi dianggap penyimpangan | DBSCAN |
| Berbasis model | Menganggap data berasal dari beberapa distribusi | Gaussian Mixture |
K-means termasuk yang sering dipakai karena sederhana dan cepat, tetapi jumlah kelompok harus ditentukan lebih dulu. DBSCAN tidak mewajibkan jumlah kelompok dan dapat menangani bentuk yang tidak beraturan, sementara metode hierarki menghasilkan tingkatan yang mudah ditelusuri.
Contoh penerapan
- Segmentasi pelanggan: mengelompokkan pengguna berdasarkan kebiasaan belanja, lalu menyesuaikan layanan tiap segmen.
- Ritel dan pemasaran: membagi pasar menjadi kelompok dengan minat yang sejenis.
- Pengelompokan dokumen: menyusun artikel atau tiket layanan berdasarkan topik.
- Citra: dipakai untuk kompresi warna dan segmentasi gambar dalam computer vision.
- Pendeteksian penyimpangan: transaksi yang tidak masuk kelompok normal dapat ditandai untuk ditinjau.
Keterbatasan
Hasil clustering tidak selalu sama antar percobaan, terutama bila titik pusat awal dipilih secara acak. Jumlah kelompok yang terlalu sedikit atau terlalu banyak dapat membuat pola menjadi kabur, dan data dengan skala berbeda perlu disamakan dulu agar fitur berukuran besar tidak mendominasi jarak. Kualitas hasil juga bergantung pada pelabelan data dan pembersihan data sebelum pemodelan.
Keterkaitan dengan konsep lain
Clustering adalah bagian dari machine learning dan sering dipakai bersama analisis data eksploratif. Idenya juga muncul pada deteksi objek saat titik atau wilayah yang mirip dikelompokkan, serta pada sistem rekomendasi yang mencari pengguna dengan selera serupa.
FAQ
Apa itu clustering dengan kata sederhana?
Clustering adalah cara mengelompokkan data yang mirip, misalnya memisahkan pelanggan ke beberapa kelompok tanpa memberi label lebih dulu.
Apa bedanya clustering dan klasifikasi?
Klasifikasi menebak label yang sudah ditentukan, sedangkan clustering menemukan kelompok alami data tanpa jawaban benar sebelumnya.
Apa itu centroid?
Centroid adalah titik pusat yang mewakili satu kelompok, biasanya dihitung dari rata-rata titik data di dalam kelompok tersebut.
Apakah k-means termasuk clustering?
Ya. K-means adalah algoritma berbasis pemisahan yang membagi data menjadi sejumlah kelompok dengan titik pusat.
Apakah clustering bisa membantu menemukan data janggal?
Bisa. Titik yang jauh dari kelompok normal atau berada di area kepadatan rendah dapat ditandai sebagai penyimpangan untuk ditinjau lebih lanjut.
Poin utama
- Clustering mengelompokkan data berdasarkan kemiripan tanpa label, sehingga termasuk pembelajaran tak terawasi.
- Kemiripan diukur lewat jarak atau kemiripan sudut, lalu kelompok dibentuk dan disesuaikan sampai stabil.
- K-means, hierarki, dan DBSCAN memakai asumsi bentuk data yang berbeda.
- Penerapannya mencakup segmentasi pelanggan, dokumen, citra, dan penandaan penyimpangan.
Lanjutkan membaca apa itu pembelajaran tak terawasi dan apa itu machine learning.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free