logo 2.png

Cara Menggunakan Program

Buka Google Colaboratory menggunakan akun anda
Install library bila diperlukan
Gunakan script code program di bawah menggunakan Google Colaboratory
Modifikasi sesuai materi yang dipelajari

Deskripsi Program

Pertama impor data dummy pengunjung mall dari local drive ke google colab

#Import data dari local drive

from google.colab import files

uploaded = files.upload()

Menyimpan dataset csv ke dalam dataframe Pandas

import pandas as pd

# Simpan dataset ke dalam dataframe Pandas

df = pd.read_csv(io.BytesIO(uploaded['Mall_Customers.csv']))

# tampilkan data 3 baris pertama

df.head(3)

Preprocessing

# ubah nama kolom

df = df.rename(columns={'Gender': 'gender', 'Age': 'age',

'Annual Income (k$)': 'annual_income',

'Spending Score (1-100)': 'spending_score'})

# ubah data kategorik mmenjadi data numerik

df['gender'].replace(['Female', 'Male'], [0,1], inplace=True)

# tampilkan data yang sudah di preprocess

df.head(3)

Impor K-Means dan menghitung inersia dari K-Means dengan nilai K antara 1 sampai 11

from sklearn.cluster import KMeans

# menghilangkan kolom customer id dan gender karena tidak relevan

X = df.drop(['CustomerID', 'gender'], axis=1)

# membuat list yang berisi inertia

clusters = []

for i in range(1,11):

km = KMeans(n_clusters=i).fit(X)

clusters.append(km.inertia_)

Pemilihan nilai K dengan metode Elbow

import matplotlib.pyplot as plt

%matplotlib inline

import seaborn as sns

# membuat plot inertia

fig, ax = plt.subplots(figsize=(8, 4))

sns.lineplot(x=list(range(1, 11)), y=clusters, ax=ax)

ax.set_title('Cari Elbow')

ax.set_xlabel('Clusters')

ax.set_ylabel('Inertia')

Melatih K-Means dengan jumlah K=5 yang diperoleh dari metode Elbow dan plot hasil clustering

# membuat objek KMeans

km5 = KMeans(n_clusters=5).fit(X)

# menambahkan kolom label pada dataset

X['Labels'] = km5.labels_

# membuat plot KMeans dengan 5 klaster

plt.figure(figsize=(8,4))

sns.scatterplot(X['annual_income'], X['spending_score'], hue=X['Labels'],

palette=sns.color_palette('hls', 5))

plt.title('KMeans dengan 5 Cluster')

plt.show()

Paket 2b (K-Means Clustering)