Global K-Means (GKM) Clustering Algorithm: A Survey

Agrawal, Arpita; Gupta, Hitesh

doi:10.5120/13713-1472

Cited by 14 publications

(7 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Determination of the number of this group needs to be done at the beginning [13]. The basic principle of this grouping is the proximity of the material characteristic distance to the initial centroid or what is known as the Euclidean distance [14], [15]. The number of iterations is strongly influenced by the selection of the initial centroid which was chosen randomly [16].…”

Section: Methodsmentioning

confidence: 99%

Materials clustering of Soto Sokaraja as an effort to accelerate halal certification

Hidayat

Wijayanti

Situmorang

2023

IOP Conf. Ser.: Earth Environ. Sci.

View full text Add to dashboard Cite

Soto Sokaraja is made from various types of raw materials. Consequently, SMEs difficult to implementing a halal assurance system in order to obtain halal certificate. Therefore, this study was conducted to cluster the raw material of Soto Sokaraja with K-means. In this study, 35 materials were identified in the manufacture of Soto Sokaraja which included raw materials, auxiliary/additional materials and packaging materials. However, there are only 5 materials (14.28%) that have been halal certified. The results of the clustering of materials that have not been certified halal are 20% including the cluster of critical materials and 80% of non-critical materials. This is valid and in accordance with the LPPOM MUI critical material identification guidelines. With the results of this clustering, it can make it easier for SMEs to focus on critical materials to suit the implementation of the halal product assurance system, thereby speeding up the process of applying for halal certification.

show abstract

Section: Methodsmentioning

confidence: 99%

Materials clustering of Soto Sokaraja as an effort to accelerate halal certification

Hidayat

Wijayanti

Situmorang

2023

IOP Conf. Ser.: Earth Environ. Sci.

View full text Add to dashboard Cite

show abstract

“…Nilai K yang dipilih menjadi pusat awal, akan dihitung dengan menggunakan rumus Euclidean Distance yaitu mencari jarak terdekat antara titik centroid dengan data/objek. Data yang memiliki jarak pendek atau terdekat dengan centroid akan membentuk sebuah cluster [9]. Dengan demikian sesuai dengan penelitian yang dilakukan oleh S, Kapil, dkk [8], bisa diujikan pada penelitian ini untuk mengelompokkan data penjualan laris, cukup laris dan kurang laris.…”

Section: Interpretasi Dan Evaluasiunclassified

Implementasi Algoritma K-Means untuk Menentukan Persediaan Barang pada Poultry Shop

Nurdiyansyah

Akbar

2021

JTMI

View full text Add to dashboard Cite

Menjaga persediaan barang agar barang tidak sampai kosong termasuk salah satu menjaga kepuasan pelanggan. Untuk melaksanakan hal tersebut manajemen perusahaan harus dapat menganalisa mana barang yang laku dan mana barang yang kurang laku, khususnya pada bagian penjualan. Hal ini tidak mudah bagi CV. Muria PS dikarenakan memiliki jumlah item barang yang cukup banyak, sehingga dibutuhkan sedikit teknik komputasi untuk mempermudah permasalahan tersebut. Algoritma K-Means clustering dipilih dalam mengatasi permasalahan tersebut karena mampu mengelompokkan produk yang terjual dan masih tersedia menjadi beberapa cluster. Dari tiga cluster yang dibentuk menghasilkan cluster 1 terdiri dua barang, cluster 2 terdiri 9 barang dan sisanya dari 25 barang masuk pada cluster 3. Dari hasil ini bisa dimanfaatkan oleh manajemen CV. Muria PS untuk meningkatkan stok persediaan barang dan strategi penjualannya.

show abstract

“…[19], Beigi [20], Agrawal ve ark. [21] [24]. Her ne kadar KO++ yöntemi KO yöntemini güçlendirse de istenilen seviyede değildir.…”

Section: Materyal Ve Metotunclassified

K-Ortalamalar Kümelenme Yöntemi İçin Çift K Başlatma Algoritması

Yücelen¹,

Baykal²

2021

European Journal of Science and Technology

View full text Add to dashboard Cite

ÖzVeri madenciliğinin en dikkat çekici konularından biri olan kümeleme yöntemleri, bu alanın en yoğun araştırma sahası olup kümeleme üzerine bir çok teknik ve bağlı yöntemler bulunmaktadır.Bu alandaki çalışmaların bir kısmı daha önce mevcut olan algoritmaların güncellenmesiyle elde edilmiş ve performansları değerlendirilmiştir.Kümelemenin en çok ilgi duyulan konusu K-Ortalamalar yöntemidir.K-Ortalamalar algoritması her çalıştırıldığında, başlangıç merkezlerinin rastgele seçilmesi nedeniyle farklı küme çıktıları döndürür.Bu nedenle, sonuçların güvenilirliği olumsuz etkilenir ve kümeleme doğruluğu için yineleme sayısı artar.Bu yöntemin doğruluğunu arttırmaya çalışan yöntemlerden biri de K-Ortalamalar++ yöntemidir. Bu çalışmada K-Ortalamalar algoritmasının başarısının arttırılması hedeflenmiştir. Sentetik veri kümesine çift k olarak adlandırdığımız önerilen yöntem uygulanmıştır.Çift k yönteminin, nihai kümeleme etiketlerini bulmada K-Ortalamalar ve K-Ortalamalar++ yöntemine göre daha başarılı olduğu gözlenmiştir.

show abstract

Global K-Means (GKM) Clustering Algorithm: A Survey

Cited by 14 publications

References 14 publications

Materials clustering of Soto Sokaraja as an effort to accelerate halal certification

Materials clustering of Soto Sokaraja as an effort to accelerate halal certification

Implementasi Algoritma K-Means untuk Menentukan Persediaan Barang pada Poultry Shop

K-Ortalamalar Kümelenme Yöntemi İçin Çift K Başlatma Algoritması

Contact Info

Product

Resources

About