Clustering Menggunakan Algoritma DBSCAN (Density-Based Spatial Clustering of Applications with Noise) untuk Data Hasil Produksi Potensi Pertanian Studi kasus : Kabupaten Gresik

RUDIANTO, Prof. Drs. Subanar, Ph.D

2011 | Tesis | S2 Ilmu Komputer

Algoritma DBSCAN adalah sebuah algoritma clustering yang dikembangkan berdasarkan tingkat kerapatan data (density-based). Dimana algoritma ini menumbuhkan daerah yang memiliki kerapatan tinggi menjadi cluster-cluster, dan menemukan cluster-cluster tersebut pada bentuk bebas dalam sebuah ruang database dengan memanfaatkan noise. Noise dalam metode ini digunakan untuk mewakili daerah yang kurang padat yang digunakan untuk memisahkan antara cluster satu dengan cluster lainnya, pada objek dalam ruang data. Dalam menentukan cluster, DBSCAN menggunakan sebuah kumpulan maksimal dari kerapatan titik-titik terhubung dengan menggunakan parameter Eps dan MinPts. Parameter Eps digunakan untuk menentukan radius (jarak maksimal) titik-titik anggota cluster dari pusat cluster. Dan parameter MinPts digunakan untuk memberikan batasan jumlah titik-titik yang menjadi anggota cluster dalam radius Eps tersebut.

DBSCAN(Density-Based Spatial Clustering of Aplication with Noise) Algprthm is a clustering algorithm which is developed by density-based. This algorthm make clusters area where they have their own high density, and find those clusters in arbitrary shape in spatial database with noise. On this method, noise is used to present area which they have low density. That noise is used to be apart area where they have different cluster, on object in data spatial. To find a cluster, DBSCAN is used to a set maximum density point connected by Eps and MinPts parameter. Eps parameter is used to determine radius of set points of different cluster and MinPts parameter used to give constraint of points number which to be part of cluster in Eps radius.

Kata Kunci : Clustering, DBSCAN, Noise