Rudi hartanto tutorial 04 rapid miner 5.3 k-means
6 likes7,060 views
Dokumen ini memberikan tutorial singkat tentang algoritma k-means clustering dalam RapidMiner 5.3. Ia menjelaskan konsep dasar k-means, data yang digunakan yang berkaitan dengan evaluasi dosen oleh mahasiswa, dan langkah-langkah untuk menjalankan k-means clustering di RapidMiner.
Rudi hartanto tutorial 04 rapid miner 5.3 k-means
- 1. Rudi Hartanto [email protected] Tutorial RapidMiner 5.3 K-means Rudi Hartanto [email protected] http://ilmubiner.blogspot.com
- 2. Rudi Hartanto [email protected] Tentang K-means • K-means digunakan untuk menklasterisasi data berdasarkan nilai mean-nya (nilai tengah / centroid) • Dengan visualisasi diagram scatter, klasterisasi dengan k-means dapat mudah dilihat
- 3. Rudi Hartanto [email protected] Tentang Data yang Digunakan • Data berkaitan hasil evaluasi dosen yang dilakukan mahasiswa, yang nilainya ada 4 yaitu 1, 2, 4, dan 5 (nilai 3 memang tidak ada) • Jika ada nilai yang kosong digantikan dengan 0 (nol) • Banyaknya nilai tiap baris ada tujuh belas poin • Dari data akan dibentuk tiga klaster
- 4. Rudi Hartanto [email protected] Sumber Data : ndos.xls
- 5. Rudi Hartanto [email protected] Jalankan RapidMiner
- 6. Rudi Hartanto [email protected] Buat Process Baru 1 2
- 7. Rudi Hartanto [email protected] Tampilan Proses Baru
- 8. Rudi Hartanto [email protected] Menambahkan Operator 1. Arahkan kursor ke area1. Arahkan kursor ke area Main Process, klik tombol kanan mouse 2 3 4 5
- 9. Rudi Hartanto [email protected] Import Configuration Wizard 2 1
- 10. Rudi Hartanto [email protected] Step 1 : Memilih File 1 2
- 11. Rudi Hartanto [email protected] Step 2 : Memilih Data 1 2
- 12. Rudi Hartanto [email protected] Step 3 : Memilih Annotasi 1 2
- 13. Rudi Hartanto [email protected] Step 4 : Memilih Atribut, Tipe Data 1 2 3 4 9 5 (scroll) 6 7 8
- 14. Rudi Hartanto [email protected] Menambahkan Model K-means 1 2 3 4 5 6
- 15. Rudi Hartanto [email protected] Mengubah Parameter dan Run 1 2 3 4 5 6
- 16. Rudi Hartanto [email protected] Hasil : ExampleSet : Data View
- 17. Rudi Hartanto [email protected] Hasil : ExampleSet : Meta Data View 1
- 18. Rudi Hartanto [email protected] Hasil : ExampleSet : Plot View 1 2 3 4 5 6
- 19. Rudi Hartanto [email protected] Hasil : Cluster Model 1