Data Pemain Basket

ID IQ Tinggi Badan Score Average Assist Average IQ

1 123.92 166.42 10.74 7.53 0.9632
2 106.67 151.91 8.89 8.07 0.8291
3 112.47 185.62 6.01 9.98 0.8742
4 110.03 154.67 11.27 7.92 0.8552
5 121.80 168.24 3.32 9.05 0.9467
6 126.65 182.15 7.51 9.67 0.9844
7 113.11 182.38 10.71 3.70 0.8792
8 116.20 168.78 7.92 8.34 0.9032
9 120.65 177.57 11.86 9.93 0.9378
10 105.53 187.36 10.38 2.54 0.8202
11 122.04 161.60 5.98 10.36 0.9486
12 113.38 154.04 9.24 9.84 0.8813
13 124.04 188.46 10.89 2.18 0.9642
14 108.06 182.99 5.21 7.03 0.8399
15 127.10 188.13 8.23 8.18 0.9880
16 121.72 170.94 10.26 11.48 0.9461
17 114.62 163.95 2.47 4.84 0.8909
18 104.44 157.47 3.85 3.94 0.8118
19 126.32 159.91 6.19 9.36 0.9819
20 114.77 167.10 11.60 9.07 0.8921
21 106.11 184.17 10.53 4.96 0.8248
22 127.58 157.88 9.32 10.05 0.9916
23 119.64 162.25 6.91 10.78 0.9299
24 110.17 169.12 2.87 9.83 0.8563
25 113.55 189.06 6.75 7.33 0.8826
26 124.72 177.56 10.45 10.12 0.9694
27 107.26 188.98 2.78 9.00 0.8337
28 128.65 151.70 6.39 4.46 1.0000
29 113.15 160.46 9.72 11.17 0.8795
30 108.57 176.00 6.69 8.41 0.8439
128.65 189.06 11.86 11.48
 c1(0.5, 0.5, 0.3, 0.6) c2(0.2, 0.8, 0.5, 0.7)
Tinggi Badan Score Average Assist Average jarak ke c1 jarak ke c2 Cluster
0.8802 0.9052 0.6564 0.8536 0.8689 1
0.8035 0.7494 0.7030 0.6427 0.6768 1
0.9818 0.5069 0.8699 0.6985 0.7187 1
0.8181 0.9503 0.6903 0.8115 0.7953 2
0.8899 0.2798 0.7885 0.6225 0.7887 1
0.9634 0.6329 0.8425 0.7868 0.8246 1
0.9647 0.9028 0.3224 0.8945 0.8906 2
0.8927 0.6681 0.7268 0.6843 0.7294 1
0.9392 1.0000 0.8654 0.9721 0.9171 2
0.9910 0.8750 0.2210 0.9044 0.8895 2
0.8548 0.5038 0.9024 0.6783 0.7775 1
0.8148 0.7792 0.8571 0.7350 0.7530 1
0.9968 0.9183 0.1897 1.0064 1.0286 1
0.9679 0.4391 0.6130 0.5950 0.6700 1
0.9951 0.6938 0.7130 0.8069 0.8347 1
0.9042 0.8645 1.0000 0.9171 0.8891 2
0.8672 0.2083 0.4219 0.5725 0.8027 1
0.8329 0.3246 0.3436 0.5238 0.7302 1
0.8458 0.5218 0.8158 0.6690 0.7920 1
0.8839 0.9779 0.7904 0.8927 0.8501 2
0.9741 0.8873 0.4321 0.8387 0.8015 2
0.8351 0.7853 0.8756 0.8157 0.8603 1
0.8582 0.5826 0.9397 0.7130 0.7749 1
0.8945 0.2418 0.8570 0.5933 0.7287 1
1.0000 0.5688 0.6387 0.6857 0.7172 1
0.9392 0.8809 0.8819 0.9111 0.8886 2
0.9996 0.2345 0.7846 0.6319 0.7204 1
0.8024 0.5383 0.3890 0.6654 0.8592 1
0.8487 0.8195 0.9730 0.8214 0.8004 2
0.9309 0.5636 0.7325 0.6253 0.6609 1
 Centroid 1 Centroid 2 f(X)
X1 0.50 0.50 0.30 0.60 0.20 0.80 0.50 0.70 0.3330
X2 0.10 0.40 0.40 0.20 0.40 0.60 0.90 0.10 0.4219
X3 0.40 0.50 0.30 0.70 0.80 0.40 0.90 0.90 0.2901
X4 0.80 0.90 0.50 0.30 0.50 0.30 0.40 0.10 99.0000
X5 0.40 0.50 0.80 0.10 0.10 0.20 0.90 0.40 99.0000
X6 0.60 0.70 0.10 0.40 0.50 0.90 0.50 0.70 0.2332

Tinggi Score Assist

ID IQ d(pi,c1) d(pi,c2) cluster d chosen
Badan Average Average
1 0.89 0.83 0.89 0.63 0.8845 0.5604 2 0.5604
2 0.76 0.76 0.74 0.67 0.7173 0.3835 2 0.3835
3 0.80 0.93 0.50 0.83 0.6640 0.3320 2 0.3320
4 0.79 0.77 0.94 0.66 0.9013 0.5408 2 0.5408
5 0.87 0.84 0.28 0.75 0.4994 0.4395 2 0.4395
6 0.90 0.91 0.63 0.81 0.7604 0.4368 2 0.4368
7 0.81 0.91 0.89 0.31 0.8512 0.6344 2 0.6344
8 0.83 0.84 0.66 0.70 0.6890 0.3712 2 0.3712
9 0.86 0.89 0.99 0.83 1.0374 0.6213 2 0.6213
10 0.75 0.94 0.87 0.21 0.8370 0.6616 2 0.6616
11 0.87 0.81 0.50 0.86 0.6770 0.4162 2 0.4162
12 0.81 0.77 0.77 0.82 0.8212 0.4475 2 0.4475
13 0.89 0.94 0.91 0.18 0.9170 0.7655 2 0.7655
14 0.77 0.91 0.43 0.59 0.4712 0.3024 2 0.3024
15 0.91 0.94 0.69 0.68 0.7585 0.4504 2 0.4504
16 0.87 0.85 0.85 0.96 0.9877 0.5745 2 0.5745
17 0.82 0.82 0.21 0.40 0.2710 0.5314 1 0.2710
18 0.75 0.79 0.32 0.33 0.2878 0.4932 1 0.2878
19 0.90 0.80 0.52 0.78 0.6471 0.4226 2 0.4226
20 0.82 0.84 0.97 0.76 0.9719 0.5722 2 0.5722
21 0.76 0.92 0.88 0.41 0.8233 0.5398 2 0.5398
22 0.91 0.79 0.78 0.84 0.8681 0.5259 2 0.5259
23 0.85 0.81 0.58 0.90 0.7432 0.4229 2 0.4229
24 0.79 0.85 0.24 0.82 0.5015 0.4095 2 0.4095
25 0.81 0.95 0.56 0.61 0.6024 0.3326 2 0.3326
26 0.89 0.89 0.87 0.84 0.9543 0.5577 2 0.5577
27 0.77 0.94 0.23 0.75 0.4771 0.3838 2 0.3838
28 0.92 0.76 0.53 0.37 0.5410 0.5515 1 0.5410
29 0.81 0.80 0.81 0.93 0.9163 0.5039 2 0.5039
30 0.78 0.88 0.56 0.70 0.6021 0.2821 2 0.2821
0.2332 tapi jika Cuma terbagi ke d

V1=V0+c1r1(pBest-p1)+c2r2(gBest-p1)
p1=p0+V1
f(x)
pBest
gBest
 Keterangan
X1,X2,…X6 berarti ada 6 partikel. Partikel merupakan gabungan 2 centroid
Data di area B11:E40
Iterasi awal X random seperti tampak pada contoh. V = 0, Pbest(i)=X(i)
Untuk menghitung objective function f(x), cukup update cell di bawah
gBest d(pi,c1) dan d(pi,c2), dengan cell X yg sesuai
Tidak perlu buat tabel lain, cukup ini dengan ganti-ganti cell F11:G40 dengan
yg sesuai

f(X) dihitung dengan rerata jarak data ke centroidnya, dibagi banyaknya centroid
f(X) dapat diambil dari cell I41

Yg dikerjakan hanya ganti cell di area F11:G40 saja, yang lain otomatis update

Secara konsep, f(X) menjadi semakin baik jika nilainya semakin kecil,
karena klaster semakin baik jika setiap anggotanya: mirip/berdekatan/
similar/jarak antar data ke centroid nyaris 0
Jika hanya terbagi ke dalam 1 klaster saja, masukkan angka besar (dalam
contoh di samping, dimasukkan angka 99)

Langkah:
iter=0 Tentukan V=0
Tentukan X random positif <1
Hitung f(X)
Tentukan gBest
pBest=X masing-masing
iter>0 Hitung V baru
Hitung X baru (atau p)
hitung f(X)
Tentukan gBest
Hitung pBest
ke iterasi berikut

terminasi display gBest

display f(X) dari gBest

tapi jika Cuma terbagi ke dalam 1 klaster saja maka angka ini menjadi tak berhingga
knya centroid