K-means is a clustering algorithm t

K-means is a clustering algorithm to cluster the document
collection. K-means attempts to classify document
into k-cluster [10]. K-means will randomly picking K
document as centroid. Then compute the similarity distance
between each document and centroid. Documents
that have higher distance will be placed in the same
cluster. New centroid will be determined when all data
has been placed in the nearest cluster. The process of
determining the centroid and the placement of data within
the cluster is repeated until the centroids converge. Table
I shows the pseudocode of K-means algorithm [11].
Cosines similarity of two documents is defined using

Hasil (Bahasa Indonesia) 1:

K-berarti adalah clustering algoritma untuk cluster dokumenKoleksi. K-berarti mencoba untuk mengklasifikasikan dokumenke dalam k-cluster [10]. K-berarti akan secara acak memilih Kdokumen sebagai centroid. Kemudian menghitung jarak kesamaanantara setiap dokumen dan centroid. Dokumenyang memiliki jarak yang lebih tinggi akan ditempatkan di samacluster. Centroid baru akan ditentukan ketika semua datatelah ditempatkan di klaster terdekat. Prosesmenentukan centroid dan penempatan data dalamGugus ini diulang hingga centroids berkumpul. MejaAku menunjukkan palsu K-berarti algoritma [11].Kesamaan cosinus dua dokumen didefinisikan

Hasil (Bahasa Indonesia) 2:

K-means adalah algoritma clustering untuk cluster dokumen
koleksi. K-berarti upaya untuk mengklasifikasikan dokumen
ke k-klaster [10]. K-berarti secara acak akan memilih K
dokumen sebagai pusat massa. Kemudian menghitung jarak kesamaan
antara setiap dokumen dan pusat massa. Dokumen
yang memiliki jarak yang lebih tinggi akan ditempatkan di sama
klaster. Centroid baru akan ditentukan ketika semua data
telah ditempatkan di cluster terdekat. Proses
penentuan massa dan penempatan data di dalam
cluster diulang sampai centroid berkumpul. Tabel
I menunjukkan pseudocode dari K-berarti algoritma [11].
Kesamaan cosinus dari dua dokumen didefinisikan menggunakan