Algoritma K-Modes

Akhlakul-Institut Teknologi Statistika dan Bisnis Muhammadiyah

2023-01-16

Pengertian K-Modes

Pertama kali diperkenalkan oleh Huang pada tahun 1997. K-Modes merupakan salah satu teknik dalam analisis klaster yang merupakan perluasan dari algoritma k-means untuk mengelompokkan data katagorik. Algoritma k-modes merupakan pengembangan dari algoritmak-means.

Kelebihan & Kelemahan

Kelebihan

  1. Bisa diterapkan untuk data katagorikal.
  2. Saat menghasilkan cluster prosesnya lebih rinci.
  3. Tidak sensitif terhadap outlier dan noise atau tidak mudah terjadi perubahan cluster.

Kelemahan

  1. Tidak optimal pada data tipe numerik.
  2. Hasil proses clustering tidak bergantung pada urutan masuk dataset.

Tahapan Analisis K-Modes

  1. Memasukkan data variabel
  2. Menentukan nilai k = 3, 4, 5, …, 8.
  3. Menentukan centroid (pusat klaster) secara acak dari masing-masing klaster.
  4. Menghitung jarak tiap objek terhadap centroid menggunakan ukuran ketidaksamaan sederhana.
  5. Mengelompokkan objek berdasarkan jarak terdekat ke centroid.
  6. Menentukan modus dari setiap variabel sebagai centroid klaster.
  7. Menghitung ulang jarak tiap objek terhadap centroid baru menggunakan ukuran ketidaksamaan sederhana.
  8. Mengelompokkan objek berdasarkan jarak terdekat ke centroid.
  9. Apabila ada objek yang berpindah klaster, maka ulangi langkah ke enam sampai delapan hingga tidak ada objek yang berpindah klaster.
  10. Memilih k terbaik menggunakan Davies Bouldin Index.
  11. Membuat profiling dari masing-masing klaster.

Untuk menjalankan algortima K-Modes dibutuhkan library MASS dan library KlaR

library(MASS)
library(klaR)

Package readxl menyiapkan fungsi read_excel() untuk import data dari file excel. Pada kasus ini digunakan data contac-lenses.

library(readxl)
data <- read_excel("D:/akhlakul/kuliah/semester 3/DATA MIINING/dataset/contact-lenses.xls")
data
## # A tibble: 24 × 5
##    age            `spectacle-prescrip` astigmatism `tear-prod-rate` contact-le…¹
##    <chr>          <chr>                <chr>       <chr>            <chr>       
##  1 young          myope                no          reduced          none        
##  2 young          myope                no          normal           soft        
##  3 young          myope                yes         reduced          none        
##  4 young          myope                yes         normal           hard        
##  5 young          hypermetrope         no          reduced          none        
##  6 young          hypermetrope         no          normal           soft        
##  7 young          hypermetrope         yes         reduced          none        
##  8 young          hypermetrope         yes         normal           hard        
##  9 pre-presbyopic myope                no          reduced          none        
## 10 pre-presbyopic myope                no          normal           soft        
## # … with 14 more rows, and abbreviated variable name ¹​`contact-lenses`

Data di atas pada klom ke-5 adalah label,karena dalam Algoritma K-Modes tidak memerlukan label, maka kolom ke-5 dalam data tersebut dihilangkan terlebih dahulu

data_contact_lenses = data [-5]
data_contact_lenses
## # A tibble: 24 × 4
##    age            `spectacle-prescrip` astigmatism `tear-prod-rate`
##    <chr>          <chr>                <chr>       <chr>           
##  1 young          myope                no          reduced         
##  2 young          myope                no          normal          
##  3 young          myope                yes         reduced         
##  4 young          myope                yes         normal          
##  5 young          hypermetrope         no          reduced         
##  6 young          hypermetrope         no          normal          
##  7 young          hypermetrope         yes         reduced         
##  8 young          hypermetrope         yes         normal          
##  9 pre-presbyopic myope                no          reduced         
## 10 pre-presbyopic myope                no          normal          
## # … with 14 more rows

Memeriksa Missing Value

colSums(is.na(data))
##                age spectacle-prescrip        astigmatism     tear-prod-rate 
##                  0                  0                  0                  0 
##     contact-lenses 
##                  0

Tidak ada data yang kosong untuk setiap variabel Setelah data berhasil diimport, jalankan algoritma K-Modes.

cluster.results <- kmodes(data, 3, iter.max = 24, weighted = FALSE)
cluster.output <- cbind(data, cluster.results$cluster)

Simpan hasil cluster ouput algoritma K-Modes dalam bentuk CSV

View(cluster.output)