Claim Missing Document
Check
Articles

Found 1 Documents
Search

OPTIMASI CLUSTERING PADA DATASET IRIS MENGGUNAKAN ALGORITMA DBSCAN Rafli Triady Febrianto; Harunur Rosyid
Journal of Scientech Research and Development Vol 8 No 1 (2026): JSRD, June 2026
Publisher : Ikatan Dosen Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56670/jsrd.v8i1.1554

Abstract

Dataset Iris, yang diperkenalkan oleh Ronald Fisher pada tahun 1936, tetap menjadi batu penjuru untuk klasifikasi statistik dan pembelajaran mesin, dengan menampilkan tiga spesies bunga Iris. Algoritma pengelompokan tradisional seperti K-Means dan Hierarchical Clustering sering kali kesulitan dengan tumpang tindih antara spesies Iris versicolor dan Iris virginica dalam dataset. Penelitian ini mengusulkan penggunaan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN), yang tidak memerlukan jumlah klaster yang telah ditentukan dan mampu mengidentifikasi klaster dengan bentuk yang sembarang dan outlier sebagai noise. Penelitian ini berfokus pada aplikasi DBSCAN untuk mengoptimalkan hasil pengelompokan dataset iris. Kami mengevaluasi hasil pengelompokan menggunakan metri Purity dan Normalized Mutual Information (NMI) menekankan kombinasi epsilon dan minpts untuk hasil yang paling optimal pada parameter yang digunakan DBSCAN.