| Judul Buku | :TEKNIK KLASTERING UNTUK DATA MINING |
| Penulis | :Sandi Ardiansyah |
| Sutrisno | |
| Akbar Sanjaya Rambe | |
| Ramadhan Ady Pratama | |
| Muhammad Fuad Hakiki | |
| Sayuti Rahman | |
| Hartono | |
| Editor | : Yuan Anisa, S.Si.,M.Si |
| Desain Cover | : Ramadhan Ady Pratama |
| Edit Layout | : Dr. Sayuti Rahman, ST, M.Kom |
| Fakultas | : TEKNIK |
| Jenis Buku | : Ajar |
| Tahun terbit | : 2026 |
| No Isbn | : Dalam Proses |
| Abstrak | Download |
SINOPSIS
Buku Teknik Klastering untuk Data Mining menyajikan pembahasan komprehensif dan
sistematis mengenai metode klastering sebagai salah satu teknik utama dalam data mining dan
unsupervised learning. Buku ini dirancang untuk membantu pembaca memahami bagaimana
pola dan struktur tersembunyi dalam data dapat diidentifikasi melalui proses pengelompokan
tanpa label, yang semakin penting di era big data dan kecerdasan buatan.
Pembahasan diawali dengan pengenalan konsep dasar klastering dan algoritma K-Means,
mencakup sejarah, prinsip kerja, kelebihan, keterbatasan, perhitungan manual, hingga contoh
implementasi. Selanjutnya, buku ini mengulas K-Medoids (PAM) sebagai pengembangan K
Means yang lebih robust terhadap outlier, diikuti dengan Hierarchical Clustering yang
menekankan struktur bertingkat dan interpretasi dendrogram. Metode berbasis kepadatan seperti
DBSCAN dan OPTICS juga dibahas untuk menangani data dengan bentuk klaster tidak
beraturan dan keberadaan noise.
Pada bagian lanjutan, buku ini mengupas metode klastering berbasis probabilistik dan nonlinier,
seperti Gaussian Mixture Model (GMM) dengan algoritma Expectation-Maximization, Mean
Shift Clustering, serta Self-Organizing Map (SOM/Kohonen) yang terinspirasi dari mekanisme
biologis. Bab terakhir membahas Spectral Clustering dengan pendekatan teori graf dan matriks
Laplacian, yang cocok untuk data berdimensi tinggi dan struktur kompleks.
Setiap bab disusun secara bertahap dengan landasan teori, formulasi matematis, kelebihan dan
kekurangan metode, contoh perhitungan, studi kasus, serta panduan interpretasi hasil. Dengan
pendekatan yang konseptual sekaligus aplikatif, buku ini ditujukan sebagai bahan ajar, referensi
akademik, dan panduan praktis bagi mahasiswa, dosen, peneliti, serta praktisi yang ingin
memperdalam pemahaman dan penerapan teknik klastering dalam berbagai bidang seperti
pendidikan, kesehatan, bisnis, dan teknologi informasi
