Implementasi Data Mining Menggunakan Teknik Clustering dengan Metode K-Means

Abstract

Pengumpulan data mining merupakan tahapan yang penting dalam proses knowledge discovery in databases (KDD). Teknik clustering, khususnya algoritma K-Means, sering dimanfaatkan untuk mengelompokkan data yang memiliki karakteristik yang sama. Tinjauan literatur ini bertujuan untuk menganalisis berbagai pendekatan dan implementasi algoritma K-Means dalam pengumpulan data mining. Metode yang digunakan diantara lain adalah studi sistematis terhadap publikasi ilmiah terkait, yang mencakup jurnal, konferensi, dan artikel penelitian. Hasil tinjauan menunjukkan bahwa algoritma K-Means efektif dalam mengidentifikasi pola dan struktur yang ada dalam data, namun sensitif terhadap inisialisasi pusat cluster dan keberadaan outlier. Beberapa penelitian mengusulkan modifikasi dan optimasi K-Means untuk mengatasi keterbatasan ini. Kesimpulannya, K-Means tetap menjadi algoritma clustering yang relevan dalam pengumpulan data mining, dengan potensi pengembangan lebih lanjut untuk meningkatkan akurasi dan efisiensi.