library(tidyverse) library(sf) cl20_4234 <- st_transform(cl20, 'EPSG:4234') cl20_4234 |> select(gridcode) |> plot(graticule = TRUE, axes = TRUE) cl20 |> select(id, gridcode, geometry) |> print(n = 3) print(cl20) install.packages("mapview") library(mapview) |> suppressPackageStartupMessages() mapviewOptions(fgb = FALSE) cl20_4234 |> mapview(zcol = "gridcode", legend = TRUE, col.regions = sf.colors)

library(tidyverse) library(sf) cl20_4234 <- st_transform(cl20, 'EPSG:4234') cl20_4234 |> select(gridcode) |> plot(graticule = TRUE, axes = TRUE) cl20 |> select(id, gridcode, geometry) |> print(n = 3) print(cl20)

Apply 10

Analisis ini membandingkan metode hierarchical clustering dan partitional clustering dalam mengelompokkan data. Penelitian ini mengevaluasi karakteristik, kelebihan, serta keterbatasan dari masing-masing metode dalam mengidentifikasi pola dan struktur klaster. Hasil analisis memberikan gambaran mengenai metode yang lebih efektif dalam berbagai kondisi data.

Analisis ini membahas metode model-based clustering yang mengasumsikan bahwa data berasal dari kombinasi beberapa distribusi probabilitas. Pendekatan statistik digunakan untuk mengidentifikasi struktur klaster dalam data. Hasil penelitian memberikan insight mengenai efektivitas metode ini dibandingkan dengan teknik clustering lainnya.

Proyek ini berfokus pada eksplorasi data, visualisasi, dan analisis menggunakan berbagai teknik statistik dan data mining. Tujuan dari analisis ini adalah untuk memahami pola, hubungan antar variabel, serta menghasilkan insight dari data yang digunakan.