Clustering is an essential task in

Clustering is an essential task in Data Mining process which is used for the purpose to make groups or clusters of the given data set based on the similarity between them.
K-Means clustering is a clustering method in which the given data set is divided into K number of clusters. This paper is intended to give the introduction about K-means clustering and its algorithm.
The experimental results of Kmeans clustering and its performance in case of execution time is discussed here. But there are certain limitations in Kmeans clustering algorithm such as it takes more time for execution. So in order to reduce the execution, time we are using the Ranking Method. And also shown that how clustering is performed in less execution time as compared to the traditional method. This work makes an attempt at studying the feasibility of K means clustering algorithm in data mining using the Ranking Method.

Hasil (Bahasa Indonesia) 2:

Clustering merupakan tugas penting dalam proses Mining Data yang digunakan untuk tujuan untuk membuat kelompok atau cluster dari kumpulan data yang diberikan berdasarkan kesamaan di antara mereka.
K-Means Clustering adalah metode pengelompokan di mana kumpulan data yang diberikan dibagi menjadi K jumlah cluster. Tulisan ini dimaksudkan untuk memberikan pengenalan tentang K-means dan algoritma.
Hasil eksperimen dari KMeans clustering dan kinerjanya dalam hal waktu eksekusi dibahas di sini. Tetapi ada keterbatasan tertentu dalam KMeans algoritma clustering seperti itu membutuhkan lebih banyak waktu untuk eksekusi. Jadi untuk mengurangi eksekusi, waktu kita menggunakan Metode Ranking. Dan juga menunjukkan bahwa bagaimana pengelompokan dilakukan dalam waktu kurang waktu eksekusi dibandingkan dengan metode tradisional. Karya ini membuat upaya untuk mempelajari kelayakan K berarti algoritma clustering dalam data mining menggunakan Metode Ranking.