Klastering

Klastering adalah pembelajaran tanpa pengawasan yang bertujuan mengelompokkan data menjadi beberapa klaster sehingga objek dalam klaster yang sama lebih mirip satu sama lain daripada objek di klaster berbeda. Proses ini didasarkan pada ukuran kemiripan atau jarak antar objek, diukur dengan metrik seperti jarak Euclidean, Manhattan, atau jarak berbasis probabilitas.

Metode klastering dibagi menjadi beberapa kategori utama. Metode partisi seperti k-means dan k-medoids membentuk klaster secara iteratif dengan menentukan pusat klaster; metode hierarkis membangun struktur pohon klaster, baik secara agglomerative maupun divisive; metode berbasis kepadatan seperti DBSCAN dan OPTICS mengidentifikasi klaster sebagai wilayah dengan kepadatan data yang tinggi; metode berbasis grid menggunakan representasi grid untuk mempercepat pemetaan; metode berbasis model seperti Gaussian mixture models (GMM) menganggap data berasal dari campuran distribusi probabilistik; serta teknik spektral yang memanfaatkan eigen-dekomposisi untuk mengatasi klaster non-linear.

Evaluasi klastering dapat dilakukan dengan ukuran internal seperti koefisien Silhouette atau indeks Davies-Bouldin, atau dengan ukuran eksternal jika tersedia label kebenaran seperti Adjusted Rand Index atau mutual information.

Aplikasi klastering luas, antara lain segmentasi pasar, pengompresi citra, pengelompokan dokumen, analisis jaringan sosial, penemuan pola dalam biologi atau genomik, deteksi anomali, dan rekomendasi konten.

Tantangan utama meliputi pemilihan jumlah klaster yang tepat, kondisi data berdimensi tinggi, skalabilitas terhadap dataset besar, serta penanganan kebisingan dan outlier serta bentuk klaster yang tidak beraturan. Berbagai pendekatan telah dikembangkan, termasuk validasi pemilihan jumlah klaster, teknik pra-pemrosesan dimensi, regularisasi, dan algoritma yang lebih scalable.