Computer File
Membandingkan algoritma K-MEANS-- dan LSC-MINE untuk mendeteksi pencilan
Seiring dengan perkembangan besarnya kebutuhan akan informasi, berbagai cara menambang data untuk mendapatkan informasi telah banyak berkembang. Mendeteksi pencilan adalah suatu tahap yang erat hubungannya dan sering dilakukan saat menambang data karena pencilan dapat mengandung informasi yang penting. Algoritma k-means-- dan algoritma LSC-mine merupakan algoritma pendeteksi pencilan yang bekerja berdasarkan perhitungan jarak dan kepadatan pada data. Dalam skripsi ini, kedua algoritma akan dianalisa tentang masing-masing kelebihan dan kekurangannya. Algoritma tersebut dipelajari dan diimplementasikan pada perangkat lunak dalam bahasa Java untuk mencoba mendeteksi pencilan dari sejumlah data yang disediakan. Ada beberapa percobaan di mana kinerja dari kedua algoritma diukur dari segi akurasi, kecepatan, dan stabilitas atau bagaimana pengaruh parameter terhadap hasil deteksi. Dari hasil uji coba ini, algoritma k-means-- mampu bekerja lebih cepat, namun sebaiknya dilakukan lebih dari satu kali karena metode inisialisasinya yang masih acak. Sedangkan algoritma LSC-mine memakan waktu yang lebih lama. Hasil dari kedua algoritma ini sangat tergantung pada parameter, maka diperlukan parameter yang sesuai agar dapat mendeteksi pencilan dengan akurasi yang optimal. Perangkat lunak yang dibangun memiliki fitur untuk menampilkan visualisasi model data sehingga dapat membantu perkiraan parameter yang sesuai dalam mendeteksi pencilan.
Kata-kata kunci: Kluster, K-Distance, K-Neighbor, Pencilan
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp30064 | DIG - FTIS | Skripsi | INFO SAP m/15 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain