Analisis Silhouette Coefficient pada 6 Perhitungan Jarak K-Means Clustering

Clustering merupakan proses pengelompokan sekumpulan data ke dalam klaster yang memiliki kemiripan. Kemiripan satau ditentukan dengan perhitungan jarak. Untuk melihat perfoma beberapa jarak, penelitian ini penulis menguji pada 6 atribut berbeda, yakni 2, 3, 4, dan atribut. Dari hasil uji perbandingan rumus jarak K-Means clustering menggunakan Silhouette coefficient dapat disimpulkan bahwa: 1) Chebyshev distance performa stabil baik untuk sedikit maupun banyak. 2) Average paling tinggi dibandingkan pengukuran lain outliers seperti 3. 3) Mean Character Difference mendapatkan hanya 4) Euclidean distance, Manhattan Minkowski menghasilkan nilai sedikt atribut, sedangkan banyak cukup mendekati 0,5.