Jangan Menyerah – D’Masiv

Jangan Menyerah – D’Masiv. Very good lyrics and to hear it, make you feel better and stronger.

Lyric of Jangan Menyerah by D’Masiv

Tak ada manusia
Yang terlahir sempurna
Jangan kau sesali
Segala yang telah terjadi

Kita pasti pernah
Dapatkan cobaan yang berat
Seakan hidup ini
Tak ada artinya lagi

Reff 1:
Syukuri apa yang ada
Hidup adalah anugerah
Tetap jalani hidup ini
Melakukan yang terbaik

Tak ada manusia
Yang terlahir sempurna
Jangan kau sesali
Segala yang telah terjadi

Back to Reff 1

Reff 2:
Tuhan pasti kan menunjukkan
Kebesaran dan kuasanya
Bagi hambanya yang sabar
Dan tak kenal Putus asa

Back to Reff 1
Back to Reff 2

Selamat Galungan & Kuningan

,-“-,…,-“-,…,-“-,
!….:…!…..:…!…..:
!….*..!…..*…!…..*
!……..!………!
e”……e”……..e”
!……..!………!
!……..!………!

Rahajeng Nyanggra Rahina Galungan lan Kuningan, Dumogi Ida Sang Hyang Widhi Wasa Micayang Kerahayuan lan Kerahajengan Ring I Rage Sareng Sinamian.

Selamat Menyambut Hari Raya Galungan dan Kuningan, Semoga Tuhan Yang Maha Esa Memberikan Kesehatan dan Kesejahteraan Pada Kita Semua.

Algoritma Rock

Algoritma ROCK merupakan suatu algoritma clustering yang mengelompokkan data berbasiskan LINK antar data yang ada. ROCK sendiri adalah singkatan dari RObust Clustering using linKs. Data yang mempunyai tingkat hubungan (link) tinggi akan digabungkan ke dalam satu cluster, sedang yang mempunyai tingkat hubungan (link) yang kecil akan dipisahkan dari cluster dimana data tersebut dikelompokkan.

Cara menghitung tingkat hubungan (link) antar data dilakukan dengan memanfaatkan salah satu distance space yang ada seperti Eucledian Distance, Jaccard Distance atau distance space lain yang memungkinkan (lihat tulisan saya tentang Similarity Measure). Untuk data transaksi supermarket, biasanya menggunakan Jaccard Distance. Dengan Jaccard Distance, natural data transaksi pada supermarket dapat didefinisikan dengan nilai ya atau tidak, sehingga proses clustering masih bisa dilaksanakan. Adapun rumus yang digunakan adalah:

g(C_i,C_j) = link[C_i, C_j] / ((n_i + n_j)^(1+2*f(theta)) – n_i^(1+2*f(theta)) – n_j^(1+2*f(theta)))

dimana:
n: jumlah data dalam suatu cluster
f(theta): fungsi yang menentukan jumlah tetangga dari data yang dievaluasi.

Untuk transaksi supermarket, f(theta) yang digunakan adalah 1-theta/(1+theta), dimana theta ditentukan dengan menyesuaikan keadaan data.

Adapun prosedur yang diterapkan dalam clustering menggunakan ROCK algorithm ini sama dengan apa yang dilaksanakan pada saat melakukan clustering hirarki dengan prosedur agglomerative. Dari cluster sejumlah n (n sama dengan Jumlah Data), kemudian satu per satu di-merge sampai tidak lagi ditemukan link antar cluster atau jumlah cluster yang diinginkan tercapai.

Untuk menangani masalah data outliers, algoritma ROCK ini mengambil cara untuk menghapuskan data-data tersebut dari kumpulan data yang akan menjadi dasar proses clustering. Proses penghapusan kelompok-kelompok yang terdiri dari data outliers dilakukan setelah jumlah cluster yang tersisa dalam proses clustering sudah menjadi sekitar 1/3 dari jumlah data yang ada.

Some notes:
1. Specific criterion for terminating the process is not natural.
2. Handling outliers by eliminating the data is not natural too, since those data exist in real world.

Reference:
Sudipto Guha, Rajeev Rastogi, and Kyuseok Shim (2000). ROCK: A Robust Clustering Algorithm for Categorical Attributes. Proceedings of the 15th International Conference on Data Engineering.