Kajian Algoritma GDBScan, Clarans dan Cure untuk Spatial Clustering

Budi Setiyono, Imam Mukhlash

Abstract


Abstrak Spatial data mining merupakan salah satu bidang kajian dalam data mining dan menjadi salah satu bidang yang sangat cepat perkembangannya. Salah satu cabang dari spatial data mining adalah geographic data mining. Geographic data mining adalah penemuan pengetahuan baru dari sejumlah besar data geo-spatial (geo-reference). Beberapa metode dalam data mining telah dikembangkan para ahli. Salah satu metode yang paling banyak dikembangkan adalah clustering. Pada penelitian
ini akan dilakukan kajian tentang tiga buah algoritma, yaitu algoritma density-based clustering, algoritma CLARANS clustering, serta algoritma CURE. Selanjutnyadilakuan implementasi dalam bentuk perangkat lunak. Studi kasus yang digunakan adalah clustering wilayah (peta) kota Surabaya
berdasarkan parameter rasio jumlah penduduk miskin dan sangat miskin, kepadatan, dan tingkat kesejateraan tiap-tiap kelurahan kota Surabaya

Keywords


Geographic data mining; density-based clustering; CLARANS; CURE

Full Text:

PDF

References


Bin Jiang, Spatial Clustering for Mining Knowledge in Support of Generalization Processes in GIS ICA Workshop on Generalisation and Multiple representation, Leicester, 20-21 August 2004

Erika Kolatch, Clustering Algorithm for Spatial Databases: A Survey, Department of Computer Science University of Maryland, 2001

Harvey J. Miller, Geographic Data Mining and Knowledge Discovery, in J. P. Wilson and A. S. Fotheringham (eds.) Handbook of Geographic Information Science, 2004, in press.

J. Sander, Ester, M., Kriegel, H.-P., and Xu X, Density-based Clustering in Spatial Databases: the Algorithm GDBSCAN and Its Applications, in Data Mining and Knowledge Discovery 2(2), Kluwer Academic Publisher, 1998

Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques, Morgan Kauffmann Publisher, 2001

Martin Ester, Alexander Frommelt, Hans Peter Kriegel, Jorg Sander, Spatial Datamining: Database Primitives, Algorithms and Efficient DBMS Support, Datamining and Knowledge Discovery, 4, 193-216, Kluwer Academic Publisher, 2000

Pang Ning Tang, Michael Steinbach, Vipin Kumar, Introduction to Data Mining, Addison Wesley, 2005

Pavel Berkhin, Survey of Clustering Data Mining Techniques, Accrue Software Inc., 2003

Ng Raymond T., and Han J, ”CLARANS: A Method for Clustering Objects for Spatial Data Mining ”, IEEE Transaction on Knowledge and Data Engineering, vol 14, no.5, 2002

Guha, S., Rastogi, R., Shim, K., ”CURE: An Efficient Clustering Algoritm for Large Database”. 1998




DOI: http://dx.doi.org/10.12962/j1829605X.v2i2.1373

Refbacks

  • There are currently no refbacks.


Jumlah Kunjungan:

Creative Commons License
Limits: Journal Mathematics and its Aplications by Pusat Publikasi Ilmiah LPPM Institut Teknologi Sepuluh Nopember is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/limits.