JURNAL: DETEKSI DATA PENCILAN MENGGUNAKAN K_MEANS CLUSTERING

JURNAL: DETEKSI DATA PENCILAN MENGGUNAKAN K_MEANS CLUSTERING

JURNAL: DETEKSI DATA PENCILAN MENGGUNAKAN K_MEANS CLUSTERING

Abstrak 

Deteksi data pencilan sangat penting dan mempunyai banyak aplikasi diantaranya adalah identifikasi adanya pengacauan dan sumbatan dalam jaringan komputer, aktivitas kriminal dalam e-commerce, deteksi pemalsuan kartu kredit dan aktivitas-aktivitas yang mencurigakan. Dalam tulisan ini dibicarakan deteksi data pencilan menggunakan metode clustering k_means, dengan jumlah cluster dianggap parameter dan secara incremental ditambah sampai didapat cluster kecil yang kemudian dianggap sebagai data pencilan. Akhirnya diberikan ilustrasi bagaimana metode tersebut diterapkan pada beberapa kelompok data. 

Kata kunci: clustering, data pencilan, k_means 

Pendahuluan 

Data pencilan adalah kumpulan obyekobyek yang dipandang sangat berbeda dibandingkan keseluruhan data (Han. dan Chamber, 2006). Deteksi data pencilan merupakan persoalan penting dan mempunyai banyak aplikasi diantaranya adalah identifikasi adanya pengacauan dan sumbatan dalam jaringan komputer, aktivitas criminal dalam e-commerce, deteksi pemalsuan kartu kredit dan aktivitas-aktivitas yang mencurigakan. Banyak pendekatan telah diusulkan untuk mendeteksi data pencilan dan survai tentang data pencilan diantaranya dapat dilihat dalam Hodge dan Austin (2004).

Peneliti: Naniek Widyastuti 

Untuk lebih lengkapnya silahkan download di link berikut:
JURNAL: DETEKSI DATA PENCILAN MENGGUNAKAN K_MEANS CLUSTERING