Memuat
Memuat
K-Means (kmeans) untuk Teknik Industri dan Produksi
0 kali dilihat
Memprediksi kelompok pola permintaan dari fitur rata-rata permintaan bulanan dan variabilitas permintaan menggunakan K-Means (kmeans). kmeans membagi data menjadi k klaster dengan meminimalkan jarak titik ke pusat klaster. Cocok untuk segmentasi data numerik ketika jumlah klaster dapat diperkirakan, misalnya segmentasi pelanggan atau wilayah.

Memprediksi kelompok pola permintaan dari fitur rata-rata permintaan bulanan dan variabilitas permintaan menggunakan K-Means (kmeans).
| Peran | Variabel | Satuan |
|---|---|---|
| Utama | kelompok pola permintaan | - |
| Pendukung 1 | rata-rata permintaan bulanan | unit |
| Pendukung 2 | variabilitas permintaan | - |
K-means membagi data demand pattern cluster, mean monthly demand, dan demand variability menjadi 3 klaster dengan rata-rata silhouette 0.859 dan indeks Calinski-Harabasz 700.4; klaster terkecil memuat 28.7% observasi.
Dihitung dari data sintetis sebagai ilustrasi, bukan dari penelitian nyata.
kmeans membagi data menjadi k klaster dengan meminimalkan jarak titik ke pusat klaster. Cocok untuk segmentasi data numerik ketika jumlah klaster dapat diperkirakan, misalnya segmentasi pelanggan atau wilayah.
Laporkan alasan pemilihan k (silhouette atau siku), ukuran dan profil tiap klaster. Tekankan bahwa klaster adalah temuan eksploratif yang bergantung pada fitur dan skala.
Skrip awal singkat dengan nama variabel proyek ini. Versi yang diserahkan disesuaikan dengan data Anda dan diberi komentar lengkap.
rng(8);
mu = [0 0; 4 4; 0 5; 5 0];
X = [];
for k = 1:4
X = [X; mvnrnd(mu(k,:), eye(2), 100)];
end
X = zscore(X);
mean_monthly_demand = X(:, 1);
demand_variability = X(:, 2);
ks = 2:8;
sil = zeros(size(ks)); sse = zeros(size(ks));
for i = 1:numel(ks)
[idx, ~, sumd] = kmeans(X, ks(i), 'Replicates', 10, 'Start', 'plus');
sil(i) = mean(silhouette(X, idx));
sse(i) = sum(sumd);
fprintf('k = %d silhouette = %.3f SSE = %.1f\n', ks(i), sil(i), sse(i));
end
[~, ib] = max(sil);
kbest = ks(ib);
[demand_pattern_cluster, C] = kmeans(X, kbest, 'Replicates', 10, 'Start', 'plus');
fprintf('Chosen k = %d, cluster sizes: %s\n', kbest, mat2str(accumarray(demand_pattern_cluster, 1)'));
figure;
subplot(1,2,1); plot(ks, sse, '-o'); xlabel('k'); ylabel('Total within-cluster SSE');
subplot(1,2,2); gscatter(mean_monthly_demand, demand_variability, demand_pattern_cluster); hold on;
plot(C(:,1), C(:,2), 'kx', 'MarkerSize', 12, 'LineWidth', 2);Pilih seberapa banyak bantuan yang Anda perlukan. Setiap paket yang lebih tinggi sudah mencakup semua item paket di bawahnya. Harga belum termasuk PPN 11%.
Paket 1
Rp 300.000
belum termasuk PPN 11%
Waktu pengerjaan: 3 hari kerja
Output: Berkas MATLAB + gambar hasil
Yang Anda terima
Paket 2 · paling dipilih
Rp 850.000
belum termasuk PPN 11%
Waktu pengerjaan: 7 hari kerja
Output: Kode + analisis + bahan interpretasi
Termasuk semua item Paket 1, ditambah
Paket 3
Rp 1.900.000
belum termasuk PPN 11%
Waktu pengerjaan: 12-15 hari kerja
Output: Kode + analisis + pendampingan hingga siap dipresentasikan
Termasuk semua item Paket 1 & 2, ditambah
Cocok. K-Means (kmeans) lazim dipakai pada jenjang ini di bidang Teknik Industri dan Produksi. Analisis kami sesuaikan dengan pertanyaan penelitian, data Anda sendiri, dan ketentuan dosen pembimbing.
Bukan. Lembar hasil dihitung dari data sintetis sebagai ilustrasi jenis keluaran MATLAB. Untuk pesanan Anda, metode yang sama dijalankan pada data penelitian Anda sendiri.
Itu tujuan paketnya. Setiap skrip diberi komentar, dan Paket 3 mencakup dua sesi pendampingan serta latihan tanya jawab supaya Anda bisa menjelaskan metode dan hasilnya saat seminar dan sidang.
Tiap proyek punya tiga paket: Paket 1 (kode dan penjelasan) Rp 300.000, Paket 2 (analisis data Anda dan interpretasi) Rp 850.000, dan Paket 3 (pendampingan lengkap) Rp 1.900.000, belum termasuk PPN 11%. Data yang besar, metode tambahan, atau tenggat ketat menyesuaikan penawaran setelah konsultasi singkat.
Lembar hasil memakai data sintetis sebagai ilustrasi. MATLAB adalah merek dagang The MathWorks, Inc.
Kembali ke portofolio MATLAB