Bab 5 #

Pengelompokan #

Kelompokkan observasi serupa untuk menemukan struktur, merangkum dataset, atau mendukung tugas lanjutan. Pilih algoritme berdasarkan asumsi bentuk, kebutuhan robust, dan skalabilitas.

Algoritme sekilas #

• k‑means / k‑means++ / X‑means: cepat untuk klaster sferis; sensitif terhadap skala dan inisialisasi.
• DBSCAN / HDBSCAN: berbasis densitas; menemukan bentuk arbitrer dan pencilan; butuh eps/minPts yang masuk akal.
• Gaussian Mixture (GMM): klaster probabilistik; penugasan lunak dan elipsoid.
• Hierarkis: dendrogram untuk struktur multi‑skala; pilihan linkage berpengaruh.

Tips praktik #

• Standarkan fitur; gunakan PCA/UMAP untuk visualisasi dan denoising.
• Pilih k via silhouette, elbow, atau stabilitas lintas resampling.
• Validasi dengan label jika ada; jika tidak, laporkan indeks internal plus inspeksi kualitatif.