# Tugas Praktikum

### 1. Tugas K-Means

> Download Dataset Berikut

{% file src="<https://3041032130-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F5CvtE8Xh9b75jKUaRr5Y%2Fuploads%2FVIjSMZExLu0Qgychn8uw%2FMall_Customers.csv?alt=media&token=8cfe9d07-11b3-4939-a34d-1360e6ab2525>" %}

Buatlah sebuah model K-Means dengan ketentuan,

1. Gunakan data 'Mall\_Customers.csv'
2. Tentukan fitur apa yang tepat untuk melakukan clustering (minimal 2)
3. Buatlah model K-Means dengan mempertimbangkan jumlah $$k$$ yang terbaik.

### 2. Tugas DBSCAN

1. Buat dataset *make\_moons* (1000 sampel, noise=0.05), lalu normalisasi.
2. Jalankan DBSCAN dengan `eps=0.2`, `min_samples=5`, hitung jumlah klaster & noise.
3. Evaluasi dengan metrik: Homogeneity, Completeness, V-measure, ARI, AMI, Silhouette.
4. Visualisasikan hasil DBSCAN (core sample = titik besar, non-core = titik kecil, noise = hitam).
5. Lakukan eksperimen:
   * `eps = 0.05, 0.1, 0.3, 0.5`
   * `min_samples = 3, 10, 20`
   * Catat perubahan klaster, noise, dan kualitas evaluasi.