Clustering dan Dimensionality Reduction

Apa itu clustering dalam analisis data?

• Clustering adalah metode pengelompokan data berdasarkan kesamaan.

• Clustering adalah teknik untuk menghapus data yang tidak relevan.

• Clustering adalah metode analisis regresi.

• Clustering digunakan untuk memprediksi nilai masa depan.

Sebutkan beberapa metode clustering yang umum digunakan!

• K-Means, Hierarchical Clustering, DBSCAN, Gaussian Mixture Models

• Support Vector Machines

• Decision Trees

• Linear Regression

Jelaskan konsep Kmeans dalam clustering!

• Kmeans digunakan untuk menggabungkan data menjadi satu kelompok besar.

• Kmeans adalah algoritma clustering yang membagi data ke dalam K kelompok berdasarkan kedekatan data.

• Kmeans adalah metode untuk mengurutkan data berdasarkan waktu.

• Kmeans adalah algoritma yang hanya bekerja dengan data numerik tanpa batasan.

Apa tujuan dari algoritma Kmeans?

• Mengelompokkan data ke dalam cluster berdasarkan kesamaan.

• Menentukan urutan data berdasarkan waktu

• Memprediksi nilai masa depan

• Menghitung rata-rata dari data

Bagaimana cara kerja algoritma Kmeans?

• Algoritma Kmeans adalah metode pengelompokan yang membagi data ke dalam k kluster berdasarkan kedekatan titik data dengan centroid.

• Algoritma Kmeans menggabungkan semua data menjadi satu kluster.

• Algoritma Kmeans hanya dapat digunakan untuk data numerik.

• Algoritma Kmeans mengurutkan data berdasarkan nilai tertinggi.

Apa yang dimaksud dengan centroid dalam Kmeans?

• Centroid adalah algoritma untuk mengelompokkan data berdasarkan kategori.

• Centroid adalah titik pusat dari cluster yang merepresentasikan rata-rata posisi data dalam cluster.

• Centroid adalah metode untuk menghitung jarak antar data.

• Centroid adalah nilai maksimum dari data dalam cluster.

Apa yang terjadi jika jumlah cluster yang dipilih terlalu banyak?

• Pengurangan waktu komputasi.

• Peningkatan akurasi model.

• Penyederhanaan struktur data.

• Overfitting dan kompleksitas yang tinggi.

Jelaskan perbedaan antara clustering dan klasifikasi!

• Clustering adalah teknik pembelajaran terawasi, sementara klasifikasi adalah tidak terawasi.

• Klasifikasi adalah metode untuk mengelompokkan item yang mirip, sementara clustering adalah untuk mengurutkan data ke dalam kategori.

• Clustering menggunakan data berlabel, sementara klasifikasi tidak.

• Clustering adalah tidak terawasi dan mengelompokkan data, sementara klasifikasi adalah terawasi dan memberikan label.

Apa itu elbow method dalam menentukan jumlah cluster?

• Elbow method adalah algoritma untuk mengelompokkan data secara otomatis.

• Elbow method adalah teknik untuk menentukan jumlah cluster yang optimal dengan menganalisis grafik inertia.

• Elbow method digunakan untuk mengurangi dimensi data sebelum clustering.

• Elbow method adalah cara untuk mengukur jarak antar titik dalam satu cluster.

Sebutkan kelebihan dan kekurangan Kmeans!

• Kelebihan: kompleksitas tinggi, Kekurangan: tidak memerlukan jumlah cluster

• Kelebihan: akurasi tinggi, Kekurangan: tidak sensitif terhadap outlier

• Kelebihan: mudah diimplementasikan, cepat; Kekurangan: ketergantungan pada jumlah cluster, sensitif terhadap outlier.

• Kelebihan: dapat digunakan untuk data berlabel, Kekurangan: tidak efisien untuk dataset besar