<![CDATA[Data mining adalah proses ekstraksi dari suatu informasi pengetahuan atau pola yang bersifat penting dan bermanfaat dalam suatu basis data yang memiliki ukuran besar dan merupakan bagian integral dari Knowledge Discovery in Databases (KDD). Clustering merupakan salah satu proses data mining yang digunakan untuk melihat pola pendistribusian data yang akan digunakan sesuai dengan karakteristik data. Metode clustering hirarki dan non hirarki dikatakan tidak cocok digunakan untuk data kategorik sehingga dikembangkan Metode RObust Clustering using linKs (ROCK) dan berikutnya Quick ROCK. ROCK, metode yang di dalamnya membangun link untuk menggabungkan cluster-cluster-nya dan memiliki robustness yang baik sehingga dapat mengelompokkan data secara efektif. Sementara QROCK menghitung cluster dengan menentukan komponen yang terhubung dari grafik, diduga hal ini lebih efisien untuk mendapatkan cluster yang memberikan pengurangan waktu komputasi dibandingkan algoritme ROCK. Tujuan penelitian ini untuk mengkaji algoritme QROCK dari aspek akurasi dan efisiensinya. Hasil menunjukkan bahwa Quick RObust Clustering using linKs (QROCK) lebih efisien dan lebih akurat karena dapat mendeteksi outlier pada data kategorik.]]>
Copyrights © 2021
