ANALISIS KLASTER BERBASIS KEPADATAN DENGAN DBSCAN DAN OPTICS

Abstrak

Naskah ini memaparkan proses analisis klaster pada algoritma pengelompokan berbasis kepadatan DBSCAN dan algoritma augmentasi OPTICS yang di implementasi di R. Dibandingkan dengan implementasi lain, DBSCAN menawarkan implementasi yang dapat memanfaatkan data tingkat lanjut seperti pohon k-d untuk mempercepat perhitungan. Keuntungan penting dari implementasi ini adalah kemampuan kedua algoritma dalam menangani dataset besar, khususnya data granular dengan berbagai bentuk, yang seringkali tidak dapat ditangani oleh algoritma klaster konvensional berbasis partisi karena sulitnya mengidentifikasi pusat klaster data. Perbandingan sederhana ditunjukkan untuk memberi makna mendalam atas keunggulan metode berbasis kepadatan ini. Eksperimen dengan implementasi terhadap DBSCAN dan OPTICS dibandingkan dengan algoritma populer lainnya menunjukkan bahwa DBSCAN yang di implementasi di R memberikan solusi yang cepat, tangguh dan efisien.