Komparasi Farthest First dan K-Mean pada Clustering Huruf Alphabet

Abstract

Clustering merupakan metode dalam mengenali pola tertentu dari sebuah dataset, dengan tujuan membagi dataset sesuai dengan sifat yang dimiliki oleh dataset tersebut. Pada penelitian kali ini, kami melakukan clustering terhadap 2.000 dataset huruf alphabet yang masing-masing data set memiliki nilai 16 atribut. Penelitian kami melakukan komparasi hasil dari dua metode, yaitu Farthest First Clustering dan K-Mean Clustering. Hasil komparasi dari penelitian kami dengan menggunakan dataset yang sama pada keua metode, menunjukkan bahwa metode Farthest First Clustering lebih unggul diabandingkan dengan K-Mean Clustering. Hal tersebut dapat dilihat dari hasil cluster centroid Farthest First Clustering yaitu 78% dan waktu tempuh clustering yaitu 0,04 detik