Algoritma K-Mean

k-Mean termasuk dalam algoritma clustering yang berguna untuk membagi data menjadi beberapa cluster Algoritma ini termasuk dalam unsupervised learning yang berarti tidak butuh variabel dependent (Y). Huruf k disini menunjukkan banyaknya cluster yang dipilih.

Prinsip kerja algoritma ini adalah mengelompokkan objek ke centroid terdekat. Centroid disini didapatkan dari pengambilan secara acak sebanyak k objek dari total n objek. Sehingga tahapan dari algoritma ini adalah

  1. Tentukan k buah cluster
  2. Pilih sejumlah k buah objek secara ajak yang akan dijadikan sebagai centroid cluster
  3. Tentukan k buah centroid (titik tengah)
  4. Kelompokkan objek ke centroid cluster terdekat berdasarkan jarak euclidian
  5. Hitung kembali semua nilai titik centroid
  6. Ulangi langkahb 3 s.d 5 sampai nilai titik centroid tidak berubah lagi

Load Package

library(factoextra)
## Loading required package: ggplot2
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
library(ggplot2)

Import Data

Kita akan mengelompokkan mobil berdasarkan jarak tempuh, banyaknya silinder, banyaknya karburator dll

df <- mtcars
df
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2

Standardize

df <- scale(df)

Clustering

Kita akan mengelompokkan data mtcars ke dalam 4 cluster. Dimana kita akan melakukan 25 kali inisiasi centroid, kemudian dipilih yang terbaik.

km <- kmeans(df, centers = 4, nstart = 25)
cbind(km$cluster)
##                     [,1]
## Mazda RX4              2
## Mazda RX4 Wag          2
## Datsun 710             1
## Hornet 4 Drive         3
## Hornet Sportabout      4
## Valiant                3
## Duster 360             4
## Merc 240D              3
## Merc 230               3
## Merc 280               3
## Merc 280C              3
## Merc 450SE             4
## Merc 450SL             4
## Merc 450SLC            4
## Cadillac Fleetwood     4
## Lincoln Continental    4
## Chrysler Imperial      4
## Fiat 128               1
## Honda Civic            1
## Toyota Corolla         1
## Toyota Corona          3
## Dodge Challenger       4
## AMC Javelin            4
## Camaro Z28             4
## Pontiac Firebird       4
## Fiat X1-9              1
## Porsche 914-2          1
## Lotus Europa           1
## Ford Pantera L         2
## Ferrari Dino           2
## Maserati Bora          2
## Volvo 142E             1
fviz_cluster(km, data = df)