FUNGSI DATA MINING
Terdapat enam fungsi dalam Data Mining, yaitu Deskripsi, Estimasi, Prediksi, Klasifikasi, Pengelompokan dan Asosiasi. Mengacu pada keenam fungsi tersebut dapat dibagi menjadi dua fungsi, yaitu Fungsi Minor dan Mayor. Fungsi Minor atau disebut juga sebagai fungsi tambahan meliputi fungsi deskripsi, estimasi dan prediksi. Sedangkan klasifikasi, pengelompokan dan asosiasi tergolong sebagai fungsi Mayor (Bastian dkk, 2018).
Fungsi Pengelompokan atau disebut dengan metode Clustering adalah teknik Data Mining yang berfungsi melakukan pengelompokan sejumlah data atau objek ke dalam kelompok (Cluster) sehingga setiap cluster akan berisi data yang semirip mungkin dan berbeda dengan objek dalam cluster yang lainnya (Suprawoto, 2016).
Clustering salah satu metode yang bersifat tanpa arahan (unsupervised), maksudnya metode ini diterapkan tanpa adanya latihan (training) dan tanpa ada guru (teacher) serta tidak memerlukan target output (Sari dkk, 2018).
Ada dua jenis metode Clustering yang digunakan dalam pengelompokan data yaitu Hierarchical Clustering dan Non-Hierarchical Clustering. Salah satu metode pengelompokan non hirarki yang berusaha mempartisi data yang ada ke dalam dua bentuk kelompok atau lebih adalah Algoritma K-Means (Sadewo dkk, 2017).
Selanjutnya kita akan membahas apa itu metode K-Means Clustering? Simak di sini