int i, j;
int jumdat; //berisi jumlah data
double[,] A; // baris (m) untuk data i=1....jumlah data, kolom (n) untuk kluster j=1...jumlah cluster
double[,] CENTROID; //titik centroid, baris untuk data, kolom untuk rata-rata atribut ke m=1...jumlah atribut
double x, y;
double min;
int cluster = 0; // nilai default
double d; //hasil euclid jarak-masing-masing titik
double jarak_x;
double jarak_y;
double[,] sumxy; //untuk proses perhitungan baris (m) untuk data i=1....jumlah data, kolom (n) untuk kluster j=1...jumlah cluster
for (i = 1; i < jumdat; i++) //menghitung jarak dari data pertama sampai data terakhir
{
min = 100000; //nilai awal jarak minimum
x = A[i, 0]; // Nilai x objek data ke-i
y = A[i, 1]; // Nilai y objek data ke-i
for (j = 1; j <= jumcen; j++)
{
jarak_x = Math.Pow(Math.Abs(x - CENTROID[j, 0]), 2);
jarak_y = Math.Pow(Math.Abs(y - CENTROID[j, 1]), 2);
d = Math.Sqrt(jarak_x + jarak_y);
if (d < min)
{
min = d;
cluster = j;
}
}
A[i, 2] = cluster;
}
//Iterasi Ke-2
bool IsStillMoving;
IsStillMoving = true;
int itung = 1; //jumlah iterasi
do
{
itung = 1 + itung;
double[,] sumxy = new double[jumdat, 4];
for (i = 1; i < jumdat; i++)
{
sumxy[Convert.ToInt32(A[i, 2]), 0] = A[i, 0] + sumxy[Convert.ToInt32(A[i, 2]), 0];
sumxy[Convert.ToInt32(A[i, 2]), 1] = A[i, 1] + sumxy[Convert.ToInt32(A[i, 2]), 1];
sumxy[Convert.ToInt32(A[i, 2]), 2] = 1 + sumxy[Convert.ToInt32(A[i, 2]), 2];
}
for (i = 1; i <= jumcen; i++)
{
CENTROID[i, 0] = ((sumxy[i, 0]) / (sumxy[i, 2])); //Rata2 x di masing2 cluster
CENTROID[i, 1] = ((sumxy[i, 1]) / (sumxy[i, 2])); //Rata2 y di masing2 cluster
}
IsStillMoving = false;
for (i = 1; i < jumdat; i++)
{
min = 100000;
x = A[i, 0];
y = A[i, 1];
for (j = 1; j <= jumcen; j++)
{
jarak_ipk = Math.Pow(Math.Abs(x - CENTROID[j, 0]), 2);
jarak_lmstd = Math.Pow(Math.Abs(y - CENTROID[j, 1]), 2);
d = Math.Sqrt(jarak_ipk + jarak_lmstd);
if (d < min)
{
min = d;
cluster = j;
}
}
if (A[i, 2] != cluster)
{
A[i, 2] = cluster;
IsStillMoving = true;
}
}
itung++;
} while (IsStillMoving);
MessageBox.Show("Proses Selesai");
sumber : Kharismawan, Bagus 2015 (Unpad: University of Padjadjaran) Aplikasi K-Means dan Fuzzy C-Means Clustering untuk Mengelompokkan Data Mahasiswa FMIPA
sumber : Kharismawan, Bagus 2015 (Unpad: University of Padjadjaran) Aplikasi K-Means dan Fuzzy C-Means Clustering untuk Mengelompokkan Data Mahasiswa FMIPA
