ALGORITMA ID3

Iterative Dichotomiser 3 (ID3) merupakan sebuah metode yang digunakan untuk membangkitkan pohon keputusan. Algoritma pada metode ini berbasis pada Occam’s razor: lebih memilih pohon keputusan yang lebih kecil (teori sederhana) dibanding yang lebih besar. Tetapi tidak dapat selalu menghasilkan pohon keputusan yang paling kecil dan karena itu occam’s razor bersifat heuristik. Occam’s razor diformalisasi menggunakan konsep dari entropi informasi. Berikut algoritma dari ID3:

Adapun sample data yang digunakan oleh ID3 memiliki beberapa syarat, yaitu: 1. Deskripsi atribut-nilai. Atribut yang sama harus mendeskripsikan tiap contoh dan memiliki jumlah nilai yang sudah ditentukan. 2. Kelas yang sudah didefinisikan sebelumnya. Suatu atribut contoh harus sudah didefinisikan, karena mereka tidak dipelajari oleh ID3. 3. Kelas-kelas yang diskrit. Kelas harus digambarkan dengan jelas. Kelas yang kontinu dipecah-pecah menjadi kategori-kategori yang relatif, misalnya saja metal dikategorikan menjadi “hard, quite hard, flexible, soft, quite soft”. 4. Jumlah contoh (example) yang cukup. Karena pembangkitan induktif digunakan, maka dibutuhkan test case yang cukup untuk membedakan pola yang valid dari peluang suatu kejadian.

pertama-tama digunakanlah ide dari teori informasi yang disebut entropi. Atribut dengan informasi tertinggi akan dipilih. Contoh : Obyek penelitian adalah semua tipe kapal berbendera Indonesia diatas 500GT. Dengan tujuan untuk mendefinisikan gain.Pemillihan atribut pada ID3 dilakukan dengan properti statistik. yang disebut dengan information gain. Data yang digunakan adalah data register kapal tahun 2006 yang dikeluarkan oleh Biro Klasifikasi Indonesia (BKI) dan data laporan hasil pemeriksaan kelaiklautan kapal serta mekanisme penentuan kelaiklautan kapal yang diatur didalam regulasi baik nasional maupun internasional. Berikut gambar skema kriteria yang mempengaruhi kelaiklautan kapal : . Gain mengukur seberapa baik suatu atribut memisahkan training example ke dalam kelas target. Entropi mengukur jumlah dari informasi yang ada pada atribut.

Peralatan pemadam akomodasi & pelayanan 2. 5 atribut bebas. 6 atribut bebas. . Data set disajikan dalam bentuk tabel yang terdiri dari : 1. Mesin kemudi d. Alat-alat keselamatan d. 3. Sistem keselamatan dari kebakaran f. Dokumentasi Sedangkan variabel tidak bebasnya (output) adalah status kelaiklautan kapal. Alat-alat radio d. Instalasi kemudi & hidraulik e. Instalasi radio c. Permesinan 3. 1atribut klas) dengan 243 record. Untuk kriteria teknis : a. Alat-alat pemadam e. Sumber tenaga listrik b. 1atribut klas) dengan 127 record. Untuk kriteria radio terdiri atas 6 kolom atribut (1atribut sampel. Dokumentasi b.Variabel bebas (predictor) pada penelitian ini adalah : 1. Sistem pencegahan kebakaran akibat listrik c. Keselamatan pelayaran c. Untuk kriteria radio : a. 2. 4 atribut bebas. atribut klas) dengan 729 record. Sumber listrik darurat b. Untuk kriteria nautis : a. Untuk kriteria teknis terdiri atas 8 kolom atribut (1atribut sampel. Variabel ini menyatakan status kapal yang dikategorikan sebagai kapal yang laik dan tidak laik. Untuk kriteria nautis terdiri atas 7 kolom atribut (1atribut sampel. Jadi total keseluruhan data yang dianalisa adalah berjumlah 1099 record.

Algoritma C4. Ross Quinlan. kemudian membentuk minimum permulaan (threshold) M dari contoh-contoh yang ada dari kelas mayoritas pada setiap partisi yang bersebelahan. . Algoritma C4.[Santosa. label training dan atribut. Split untuk atribut diskret A mempunyai bentuk value (A) ε X dimana X ⊂ domain(A). Dalam prosedur algoritma ID3. lalu menggabungkan partisi-partisi yang bersebelahan tersebut dengan kelas mayoritas yang sama.5 Salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3).5 Pohon dibangun dengan cara membagi data secara rekursif hingga tiap bagian terdiri dari data yang berasal dari kelas yang sama. input berupa sampel training. Sedangkan pada perangkat lunak open source WEKA mempunyai versi sendiri C4. Jika jumlah pengamatan terbatas maka atribut dengan missing value dapat diganti dengan nilai rata-rata dari variabel yang bersangkutan.5 yang dikenal sebagai J48. Jika suatu set data mempunyai beberapa pengamatan dengan missing value yaitu record dengan beberapa nilai variabel tidak ada. Algoritma C4. Split untuk atribut numerik yaitu mengurutkan contoh berdasarkan atribut kontiyu A.5 dapat menangani data numerik (kontinyu) dan diskret.ALGORITMA C4.5 merupakan pengembangan dari ID3. ID3 dikembangkan oleh J.2007]. Bentuk pemecahan (split) yang digunakan untuk membagi data tergantung dari jenis atribut yang digunakan dalam split.

Entropi split yang membagi S dengan n record menjadi himpunan-himpunan S1 dengan n1 baris dan S2 dengan n2 baris adalah : Kemudian menghitung perolehan informasi dari output data atau variabel dependent y yang dikelompokkan berdasarkan atribut A. Pada algoritma C.Untuk melakukan pemisahan obyek (split) dilakukan tes terhadap atribut dengan mengukur tingkat ketidakmurnian pada sebuah simpul (node). Pemisahan informasi dihitung dengan cara : bahwa S1 sampai Sc adalah c subset yang dihasilkan dari pemecahan S dengan menggunakan atribut A yang mempunyai sebanyak c nilai. jika semua contoh pada S berada dalam kelas yang sama. ntropi(S) sama dengan 0.45 menggunakan rasio perolehan (gain ratio). dari atribut A relative terhadap output data y adalah: nilai (A) adalah semua nilai yang mungkin dari atribut A. dan yc adalah subset dari y dimana A mempunyai nilai c. Term pertama dalam persamaan diatas adalah entropy total y dan term kedua adalah entropy sesudah dilakukan pemisahan data berdasarkan atribut A. gain (y. Sebelum menghitung rasio perolehan. perlu menghitung dulu nilai informasi dalam satuan bits dari suatu kumpulan objek.A). S adalah ruang (data) sampel yang digunakan untuk pelatihan. jika jumlah contoh positif dan negative dalam S adalah sama.adalah jumlah yang bersolusi negatif atau tidak mendukung pada data sampel untuk kriteria tertentu. Cara menghitungnya dilakukan dengan menggunakan konsep entropi. Perolehan informasi. jika jumlah contoh positif dan negative dalam S tidak sama [Mitchell. Entropi(S) lebih dari 0 tetapi kurang dari 1.A). Untuk menghitung rasio perolehan perlu diketahui suatu term baru yang disebut pemisahan informasi (SplitInfo).1997]. Selanjutnya rasio perolehan (gain ratio) dihitung dengan cara : . dinotasikan dengan gain (y. p+ adalah jumlah yang bersolusi positif atau mendukung pada data sampel untuk kriteria tertentu dan p. Entropi(S) sama dengan 1.

asset. Dapat dilihat pada gambar tersebut. Setiap nilai atribut dari predictor variable akan memiliki cabang menuju predictor variable selanjutnya.Contoh Aplikasi Credit Risk Berikut ini merupakan contoh dari salah satu kasus resiko kredit (credit risk) yang menggunakan decision tree untuk menentukan apakah seorang potential customer dengan karakteristik saving. Misalnya pada kasus di atas untuk saving medium. dan seterusnya hingga tidak dapat dipecah dan menuju pada target variable. dan income. bahwa target variable dari decision tree tersebut atau variable yang akan diprediksi adalah credit risk dengan menggunakan predictor variable : saving. asset dan income tertentu memiliki good credit risk atau bad credit risk. . Penentuan apakah diteruskan menuju predictor variable (decision node) atau menuju target variable (leaf node) tergantung pada keyakinan (knowledge) apakah potential customer dengan nilai atribut variable keputusan tertentu memiliki keakuratan nilai target variable 100% atau tidak.

Kondisi tersebut menyebabkan tidak dapat dilakukan pencabangan lagi berdasarkan nilai predictor variable. Jika tidak terdapat pemisahan lagi yang mungkin dilakukan. yaitu bersifat non‐unary untuk nilai target variablenya. terdapat kemungkinan decision node memiliki “diverse” atributes. sehingga setiap nilai untuk predictor variable di atas hanya membentuk 2 cabang. Sehingga solusinya adalah membentuk leaf node yang disebut “diverse” leaf node.ternyata knowledge yang dimiliki bahwa untuk seluruh potential customer dengan saving medium memiliki credit risk yang baik dengan keakuratan 100%. di mana untuk setiap nilai predictor variable yang sama akan memiliki nilai target variable yang sama. dengan menyatakan level kepercayaan dari diverse leaf node tersebut. Misalnya untuk contoh data berikut ini : Dari training data tersebut kemudian disusunlah alternatif untuk candidate split. yaitu sebagai berikut: . Seharusnya setiap branches diakhiri dengan “pure” leaf node. yaitu leaf node dengan target variable yang bersifat unary untuk setiap records pada node tersebut. Sedangkan untuk nilai low asset terdapat kemungkinan good credit risk dan bad credit risk. maka algoritma decision tree akan berhenti membentuk decision node yang baru. Tetapi. di mana untuk setiap record dengan nilai predictor variable yang sama ternyata memiliki nilai target variable yang berbeda.

di mana Adapun contoh hasil perhitungannya adalah sebagai berikut : Dapat dilihat dari contoh perhitungan di atas.Kemudian untuk setiap candidate split di atas. yaitu : . high}. yaitu good credit risk dan bad credit . dihitung variabel‐variabel berikut berdasarkan training data yang dimiliki. Untuk penentuan pencabangan. dapat dilihat bahwa dengan assets=low maka didapatkan pure node leaf. yaitu split dengan : assets = low dengan assets = {medium. Oleh karena itu split 4 lah yang akan digunakan pada root node. yaitu bad risk (untuk record 2 dan 7).64275. Sedangkan untuk assets = {medium. high} masih terdapat 2 nilai. Adapun variabel‐variabel tersebut. bahwa yang memiliki nilai goodness of split * Φ(s/t) + yang terbesar. yaitu split 4 dengan nilai 0.

Adapun pemilihan split yang akan digunakan. yaitu dengan menyusun perhitungan nilai Φ(s/t) yang baru tanpa melihat split 4. Sehingga pencabangan untuk assets = {medium. record 2 dan 7. high} memiliki decision node baru.risk. Demikian seterusnya hingga akhirnya dibentuk leaf node dan membentuk decision tree yang utuh (fully grown form) seperti di bawah ini : .

Proses akuisisi pengetahuan yang secara biasanya dalam sistem pakar dilakukan oleh sistem pakar. Gejala_1 s/d gejala_n. Umur. Selain itu dalam tabel ini juga memiliki field Hasil_Diagnosis. dalam sistem ini akan dillakukan dengan urutan proses ditunjukkan pada gambar berikut: Hasil pembentukan pohon keputusan bisa seperti pohon keputusan yang tampak pada gambar: . Daerah_Tinggal.Sistem Pakar Diagnosa Penyakit (Kusrini) Dalam aplikasi ini terdapat tabel-tabel sebagai berikut: • • • Tabel Rekam_Medis. berisi aturan hasil ekstrak dari pohon keputusan. Tabel Aturan. misalnya Jenis Kelamin. Hasil_Tes_1 s/d Hasi_Tes_n. beisi data variabel yang dapat mempengaruhi kesimpulan diagnosis dari pasien-pasien yang ada. berisi data asli rekam medis pasien Tabel Kasus.

Jika pengetahuan yang terbentuk beruka kaidah produksi dengan format: Jika Premis Maka Konklusi Node-node akar akan menjadi Premis dari aturan sedangkan node daun akan menjadi bagian konklusinya.Lambang bulat pada pohon keputusan melambangkan sebagai node akar atau cabang (bukan daun) sedangkan kotak melambangkan node daun. Jika Atr_1 = N_1 Dan Atr_2 = N_4 Dan Atr_3 = N_10 Dan Atr_4 = N_11 Maka H_2 . Dari gambar pohon keputusan pada gambar 4. dapat dibentuk aturan sebagai berikut: 1. Jika Atr_1 = N_1 Dan Atr_2 = N_4 Dan Atr_3 = N_9 Maka H_1 2.

.3. Jika Atr_1 = N_1 Dan Atr_2 = N_5 Maka H_4 5. Jika Atr_1 = N_3 Dan Atr_5 = N_7 Maka H_7 8. Jika Atr_1 = N_3 Dan Atr_5 = N_6 Maka H_6 7. Aturan yagn dihasilkan system ini mampu digunakan untuk mendiagnosis penyakit didasarkan pada data-data pasien. Dalam penentuan diagnosis penyakit belum diimplementasikan derajat kepercayaan terhadap hasil diagnosis tersebut. Jika Atr_1 = N_3 Dan Atr_5 = N_8 Maka H_8 Model case based reasoning dapat digunakan sebagai metode akuisisi pengetahuan dalam aplikasi system pakar diagnosis penyakit. Jika Atr_1 = N_2 Maka H_5 6. Jika Atr_1 = N_1 Dan Atr_2 = N_4 Dan Atr_3 = N_10 Dan Atr_4 = N_12 Maka H_2 4.

C5. Jika A dipilih sebagai atribut tes (sebagai contoh atribut terbaik untuk split). Dimana pi adalah proporsi kelas dalam output seperti pada kelas Ci dan diestimasikan dengan si /s. selanjutnya digunakan formula C5. av}. Diketahui atribut class adalah m dimana mendefinisikan kelas-kelas di dalamnya. Sv}. Ukuran ini digunakan untuk memilih atribut atau node pada pohon. 2003): S adalah sebuah himpunan yang terdiri dari s data sampel. adalah jumlah subset j yang dibagi dengan jumlah sampel pada S. Ci (for i= 1. untuk mengklasifikasikan sampel yang digunakan maka diperlukan informasi dengan menggunakan aturan seperti di atas (2. {S1. Ukuran information gain digunakan untuk memilih atribut uji pada setiap node di dalam tree. Atribut A dapat digunakan pada partisi S ke dalam v subset.0 merupakan penyempurnaan algoritme terdahulu yang dibentuk oleh Ross Quinlan pada tahun 1987. Secara heuristik akan dipilih atribut yang menghasilkan simpul yang paling bersih (purest). …. Dalam algoritme C5. Atribut A memiliki nilai tertentu {a1. a2. Kalau dalam cabang suatu decision tree anggotanya berasal dari satu kelas maka cabang ini disebut pure.ALGORITMA C5 Algoritme C5. Sij adalah jumlah sample pada class Ci dalam sebuah subset Sj.0 memiliki fitur penting yang membuat algoritme ini menjadi lebih unggul dibandingkan dengan algoritme terdahulunya dan mengurangi kelemahan . dimana Sj berisi sample pada S yang bernilai aj pada A.5.0 adalah salah satu algoritme yang terdapat dalam klasifikasi data mining disamping algoritme CART. yang khususnya diterapkan pada teknik decision tree. pemilihan atribut yang akan diproses menggunakan information gain.0. yaitu ID3 dan C4. Formula untuk information gain adalah (Kantardzic. maka subset ini akan berhubungan pada cabang dari node himpunan S. si adalah jumlah sampel pada S dalam class Ci. …. Kriteria yang digunakan adalah information gain. maka untuk mendapatkan nilai gain. m). Jadi dalam memilih atribut untuk memecah obyek dalam beberapa kelas harus kita pilih atribut yang menghasilkan information gain paling besar. Untuk mendapatkan informasi nilai subset dari atribut A tersebut maka digunakan formula. S2.1). …. Atribut dengan nilai information gain tertinggi akan terpilih sebagai parent bagi node selanjutnya.

maka dapat disimpulkan bahwa output dengan label kelas 1 adalah yang paling banyak.dan titik pada data testing (y) maka digunakan rumus Euclidean. 2. Sebagai ilustrasi. satu data dengan output kelas 2 dan satu data dengan output kelas 3. C5. maka klasifikasi C5. pada Tabel 1 berikut ini disajikan contoh penerapan rumus Euclidean. 2 dan 3 tetangga data terhadap data baru x (Pramudiono. Contoh Dalam hal ini jumlah data/tetangga terdekat ditentukan oleh user yang dinyatakan dengan k.yi dan I merepresentasikan nilai atribut serta n merupakan dimensi atribut (Han & Kamber. lima data tadi terbagi atas tiga data dengan output kelas 1.0 disajikan dalam dua bentuk.…. Maka data baru tadi dapat dikelompokkan ke dalam kelas 1. C5. Gambar 4 berikut ini adalah bentuk representasi K-NN dengan 1. dimana x=x1. Untuk mendefinisikan jarak antara dua titik yaitu titik pada data training (x) .yang ada pada algoritme decision tree sebelumnya.xi dan y=y1.0 mudah digunakan dan tidak membutuhkan pengetahuan tinggi tentang statistik atau machine learning. Misalkan ditentukan k=5.y2.0 telah dirancang untuk dapat menganalisis basis data subtansial yang berisi puluhan sampai ratusan record dan satuan hingga ratusan field numerik dan nominal. kemudian tentukan output mana yang frekuensinya paling banyak. 2001). Lalu periksa output atau labelnya masing-masing. Misalkan dalam kasus klasifikasi dengan 3 kelas. Untuk memaksimumkan tingkat penafsiran pengguna terhadap hasil yang disajikan. pada empat data klasifikasi kualitas baik dan tidak baik sebuah kertas tisu yang dinilai berdasarkan daya tahan kertas tersebut dan fungsinya. 2003). Fitur tersebut adalah (Quinlan.x2. menggunakan pohon keputusan dan sekumpulan aturan IF-then yang lebih mudah untuk dimengerti dibandingkan neural network. Lalu masukkan suatu data testing ke kelompok dengan output paling banyak. Prosedur ini dilakukan untuk semua data testing (Santosa. dengan d adalah jarak antara titik pada data training x dan titik data testing y yang akan diklasifikasi. 2007). maka setiap data testing dihitung jaraknya terhadap data training dan dipilih 5 data training yang jaraknya paling dekat ke data testing.…. 2004) : 1. Sebanyak tiga data yang sudah . 3.

Tabel 1. Jarak data no satu ke data no empat: Dari hasil perhitungan di atas diperoleh jarak antara data no tiga dan data no empat adalah jarak yang terdekat maka kelas data no empat adalah baik. dan 3 masing-masing data dihitung jaraknya ke data no 4 untuk mendapatkan kelas yang sesuai bagi data no 4 maka k=1 (Teknomo. 2006). Teknik ini akan diujicobakan terhadap dataset akademik yang belum terklasifikasi atau data yang belum dikenal.2. Tabel klasifikasi kualitas baik atau tidak baik sebuah kertas tisu No 1 2 3 4 Fungsi 7 7 3 1 Daya Tahan 7 4 4 4 Klasifikasi Tidak baik Tidak baik Baik ? Berikut ini disajikan pula perhitungan yang dilakukan terhadap tiga data yang sudah terklasifikasi dengan data yang belum terklasifikasi pada Tabel 1 di atas. untuk menemukan kelas yang sesuai dengan berdasarkan pada data tetangga terdekatnya yang sudah terklasifikasi. . Tingkat ketepatan klasifikasi terhadap data dari kedua algoritma yang digunakan menjadi titik fokus analisa dalam penelitian.terklasifikasi yaitu data no 1.

polapola distribusi secara keseluruhan dan keterkaitan yang menarik antara atribut-atribut data. ENCLUE). Namun. Tujuannya menemukan cluster yang berkualitas dalam waktu yang layak. Subspace Clustering Subspace clustering adalah suatu teknik clustering yang mencoba menemukan cluster pada dataset multidimensi dengan pemilihan dimensi yang paling relevan untuk setiap cluster. Dalam data mining usaha difokuskan pada metode-metode penemuan untuk cluster pada basisdata berukuran besar secara efektif dan efisien. . dimana pemakai harus menentukan jumlah k partisi yang diinginkan lalu setiap data dites untuk dimasukkan pada salah satu partisi sehingga tidak ada data yang overlap dan satu data hanya memiliki satu cluster. tidak akan didapatkan cluster yang optimal. dan skalabilitas terhadap penambahan ukuran dimensi dan record dataset. Divisive Hierarchical Clustering (CLIQUE. MAFIA. PROCLUS). dapat diidentifikasi daerah yang padat. Contohnya: Agglomerative (FINDIT. Metode Hierarki. Metode ini terbagi menjadi dua yaitu buttom-up yang menggabungkan cluster kecil menjadi cluster lebih besar dan topdown yang memecah cluster besar menjadi cluster yang lebih kecil.CLUSTERING Clustering adalah proses mengelompokkan objek berdasarkan informasi yang diperoleh dari data yang menjelaskan hubungan antar objek dengan prinsip untuk memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas/cluster. sedangkan objek-objek data biasanya direpresentasikan sebagai sebuah titik dalam ruang multidimensi. Kelemahan metode ini adalah bila salah satu penggabungan/pemecahan dilakukan pada tempat yang salah. Dengan menggunakan clustering. cluster hasil yang dapat dianalisa. Clustering dalam data mining berguna untuk menemukan pola distribusi di dalam sebuah data set yang berguna untuk proses analisa data. beberapa hal yang perlu diperhatikan adalah input parameter yang tidak menyulitkan user. Metode Partisi. Contohnya: algoritma K-Means. yang menghasilkan cluster yang bersarang artinya suatu data dapat memiliki cluster lebih dari satu. karena pada data multidimensi kemungkinan terdapat dimensidimensi yang tidak relevan yang dapat membingungkan algoritma clustering sehingga bisa mengaburkan cluster sebenarnya yang seharusnya dapat ditemukan. Banyaknya pendekatan clustering menyulitkan dalam menentukan ukuran kualitas yang universal. Kesamaan objek biasanya diperoleh dari kedekatan nilai-nilai atribut yang menjelaskan objek-objek data. b. Secara garis besar ada beberapa kategori algoritma clustering yang dikenal yaitu: a.

y) dan (x. Jika konsep ini diterapkan dalam kasus di Gambar di bawah. Misalnya ada suatu dataset 3-dimensi yang mempunyai 2 cluster. cluster dapat saja berada dalam subspace yang berbeda. pendekatan ini berakibat pada hilangnya beberapa informasi dan sekaligus mengurangi efektifitas penemuan cluster yang mungkin melibatkan dimensi yang dihilangkan tersebut. Berdasarkan strategi pencariannya algoritma susbsapce clustering dapat dikatagorikan ke dalam dua kategori yaitu metode top down search iterative dan metode bottom up search grid based. z). Cara yang sudah dikenal untuk mengatasi peningkatan jumlah dimensi adalah menggunakan teknik reduksi dimensi atau feature selection. Algoritma .Masalah lainnya. Dengan menggunakan metode subspace clustering. semakin banyak dimensi yang digunakan. dimensionalitas dataset dikurangi dengan menghilangkan beberapa dimensi. dua cluster yang terbentuk pada Gambar 2-3 diharapkan dapat diperoleh karena teknik clustering ini dapat menemukan cluster dengan subspace yang berbeda dalam dataset. Pada Gambar diatas. cluster akan sulit ditemukan. Untuk dataset seperti ini. Subspace clustering secara otomatis akan menemukan unit-unit yang padat pada tiap subspace. karena setiap dimensi merupakan salah satu subspace cluster yang terbentuk. mengilustrasikan bagaimana peningkatan jumlah dimensi mengakibatkan terpecahnya titik pada dataset. Dengan cara ini. berakibat hilangnya satu atau dua cluster yang seharusnya ada. Akibatnya. dimana setiap subspace dibentuk dari kombinasi dimensi yang berbeda-beda. karena masingmasing dimensi menjadi bagian dari satu buah cluster. metode reduksi dimensi dan feature selection tidak mampu memperoleh kembali semua struktur cluster. satu cluster berada di bidang (x.

Prosedur ini mengembalikan superset kumpulan calon dense unit berdimensi-k yang akan di bandingkan dengan density treshold apakah layak atau tidak digunakan sebagai penentu cluster. Setelah menentukan dense unit berdimensi-k-1.MAFIA termasuk algoritma yang menggunakan strategi metode bottom up search grid based. Contoh : Buttom-up Subspace Search Grid Method Algoritma Bottom-up ini menggunakan prinsip yang serupa dengan algoritma Apriori untuk menghasilkan rule asosiasi. Prosedur candidat generation menyatakan Dk-1 sebagai kumpulan dense unit berdimensi (k-1). . Karena semua unit dalam cluster terhubung. Algoritma diproses level demi level. proyeksi titik dalam cluster C yang berdimensi-k juga berada dalam cluster yang sama pada proyeksi dimensi-(k-1). Algoritma berhenti jika tidak ada dense unit yang dibangkitkan. calon dense unit berdimensi-k ditentukan dengan menggunakan prosedur candidate generation. menentukan calon dense unit berdimensi 1 dengan melakukan pass over data. Artinya. maka proyeksinya juga terhubung. Pertama-tama. Proyeksi setiap unit u dalam C harus memiliki selectivity minimal agar bersifat padat. Lemma 1 (monotonicity): Jika kumpulan titik S merupakan cluster dalam ruang dimensi–k maka S juga merupakan bagian suatu cluster dalam ruang proyeksi dimensi-(k-1) Penjelasan: Suatu cluster C yang berdimensi-k memasukkan titik yang jatuh di dalam gabungan dense unit berdimensi-k yang masing-masing memiliki selectivity minimal.

Sign up to vote on this title
UsefulNot useful