Clustering adalah salah satu metode dalam unsupervised learning di machine learning yang digunakan untuk mengelompokkan data ke dalam grup atau cluster berdasarkan kemiripan antar data. Berbeda dengan regresi atau klasifikasi, clustering tidak membutuhkan data berlabel, sehingga algoritma bekerja dengan menemukan pola atau struktur tersembunyi dalam data.  

Tujuan utama dari clustering adalah mengenali pola dan struktur dalam data yang sebelumnya tidak diketahui, misalnya segmen pelanggan atau kelompok produk. Selain itu, clustering juga dapat membantu untuk mendeteksi anomali karena data yang tidak masuk ke cluster manapun atau jauh dari cluster dapat diidentifikasi sebagai outlier sehingga bergua untuk fraud detection. 

Contoh penggunaan clustering adalah mengelompokkan pelanggan berdasarkan perilaku belanja, usia, lokasi, dan frekuensi pembelian untuk strategi pemasaran yang lebih tepat. Selain itu, contoh lainnya adalah deteksi anomali yang digunakan untuk menemukan transaksi yang tidak biasa sebagai indikasi potensi fraud di akun bank.   

Referensi:  

  • James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning with Applications in R (ISLR). Pearson. 
  • Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. 3rd Edition. Pearson. 
  • Alpaydin, E. (2020). Introduction to Machine Learning. 4th Edition.