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.

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. 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. pertama-tama digunakanlah ide dari teori informasi yang disebut entropi. Atribut dengan informasi tertinggi akan dipilih. Dengan tujuan untuk mendefinisikan gain. Contoh : Obyek penelitian adalah semua tipe kapal berbendera Indonesia diatas 500GT. yang disebut dengan information gain.Pemillihan atribut pada ID3 dilakukan dengan properti statistik.

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

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

jika jumlah contoh positif dan negative dalam S adalah sama.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. jika semua contoh pada S berada dalam kelas yang sama. jika jumlah contoh positif dan negative dalam S tidak sama [Mitchell. Sebelum menghitung rasio perolehan. Entropi(S) lebih dari 0 tetapi kurang dari 1. ntropi(S) sama dengan 0. Untuk menghitung rasio perolehan perlu diketahui suatu term baru yang disebut pemisahan informasi (SplitInfo). perlu menghitung dulu nilai informasi dalam satuan bits dari suatu kumpulan objek. dari atribut A relative terhadap output data y adalah: nilai (A) adalah semua nilai yang mungkin dari atribut A. Entropi(S) sama dengan 1.adalah jumlah yang bersolusi negatif atau tidak mendukung pada data sampel untuk kriteria tertentu. gain (y. dinotasikan dengan gain (y. Term pertama dalam persamaan diatas adalah entropy total y dan term kedua adalah entropy sesudah dilakukan pemisahan data berdasarkan atribut A. Selanjutnya rasio perolehan (gain ratio) dihitung dengan cara : . dan yc adalah subset dari y dimana A mempunyai nilai c. p+ adalah jumlah yang bersolusi positif atau mendukung pada data sampel untuk kriteria tertentu dan p.A).1997].A). 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.45 menggunakan rasio perolehan (gain ratio).Untuk melakukan pemisahan obyek (split) dilakukan tes terhadap atribut dengan mengukur tingkat ketidakmurnian pada sebuah simpul (node). Cara menghitungnya dilakukan dengan menggunakan konsep entropi. Pada algoritma C. S adalah ruang (data) sampel yang digunakan untuk pelatihan. Perolehan informasi.

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. . bahwa target variable dari decision tree tersebut atau variable yang akan diprediksi adalah credit risk dengan menggunakan predictor variable : saving. Setiap nilai atribut dari predictor variable akan memiliki cabang menuju predictor variable selanjutnya. dan seterusnya hingga tidak dapat dipecah dan menuju pada target variable. asset dan income tertentu memiliki good credit risk atau bad credit risk. asset. 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. dan income. Dapat dilihat pada gambar tersebut.

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

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

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

Gejala_1 s/d gejala_n. Daerah_Tinggal. berisi data asli rekam medis pasien Tabel Kasus. Proses akuisisi pengetahuan yang secara biasanya dalam sistem pakar dilakukan oleh sistem pakar. misalnya Jenis Kelamin. 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: . Umur. beisi data variabel yang dapat mempengaruhi kesimpulan diagnosis dari pasien-pasien yang ada. berisi aturan hasil ekstrak dari pohon keputusan. Tabel Aturan.Sistem Pakar Diagnosa Penyakit (Kusrini) Dalam aplikasi ini terdapat tabel-tabel sebagai berikut: • • • Tabel Rekam_Medis. Hasil_Tes_1 s/d Hasi_Tes_n.

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. 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.Lambang bulat pada pohon keputusan melambangkan sebagai node akar atau cabang (bukan daun) sedangkan kotak melambangkan node daun. 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.

Jika Atr_1 = N_1 Dan Atr_2 = N_4 Dan Atr_3 = N_10 Dan Atr_4 = N_12 Maka H_2 4. Jika Atr_1 = N_3 Dan Atr_5 = N_7 Maka H_7 8.3. Jika Atr_1 = N_2 Maka H_5 6. Dalam penentuan diagnosis penyakit belum diimplementasikan derajat kepercayaan terhadap hasil diagnosis tersebut. Aturan yagn dihasilkan system ini mampu digunakan untuk mendiagnosis penyakit didasarkan pada data-data pasien. . Jika Atr_1 = N_1 Dan Atr_2 = N_5 Maka H_4 5. Jika Atr_1 = N_3 Dan Atr_5 = N_6 Maka H_6 7. 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.

0 memiliki fitur penting yang membuat algoritme ini menjadi lebih unggul dibandingkan dengan algoritme terdahulunya dan mengurangi kelemahan . Dalam algoritme C5. Kriteria yang digunakan adalah information gain. Jika A dipilih sebagai atribut tes (sebagai contoh atribut terbaik untuk split).1). Untuk mendapatkan informasi nilai subset dari atribut A tersebut maka digunakan formula. Ci (for i= 1. Atribut dengan nilai information gain tertinggi akan terpilih sebagai parent bagi node selanjutnya. Ukuran information gain digunakan untuk memilih atribut uji pada setiap node di dalam tree. Diketahui atribut class adalah m dimana mendefinisikan kelas-kelas di dalamnya.0 adalah salah satu algoritme yang terdapat dalam klasifikasi data mining disamping algoritme CART. adalah jumlah subset j yang dibagi dengan jumlah sampel pada S. yang khususnya diterapkan pada teknik decision tree. yaitu ID3 dan C4.0 merupakan penyempurnaan algoritme terdahulu yang dibentuk oleh Ross Quinlan pada tahun 1987. Atribut A memiliki nilai tertentu {a1. 2003): S adalah sebuah himpunan yang terdiri dari s data sampel. si adalah jumlah sampel pada S dalam class Ci. selanjutnya digunakan formula C5. Kalau dalam cabang suatu decision tree anggotanya berasal dari satu kelas maka cabang ini disebut pure.ALGORITMA C5 Algoritme C5. dimana Sj berisi sample pada S yang bernilai aj pada A. maka subset ini akan berhubungan pada cabang dari node himpunan S. untuk mengklasifikasikan sampel yang digunakan maka diperlukan informasi dengan menggunakan aturan seperti di atas (2. maka untuk mendapatkan nilai gain. Secara heuristik akan dipilih atribut yang menghasilkan simpul yang paling bersih (purest). Dimana pi adalah proporsi kelas dalam output seperti pada kelas Ci dan diestimasikan dengan si /s. av}. Ukuran ini digunakan untuk memilih atribut atau node pada pohon. …. Atribut A dapat digunakan pada partisi S ke dalam v subset. …. Formula untuk information gain adalah (Kantardzic. m). Jadi dalam memilih atribut untuk memecah obyek dalam beberapa kelas harus kita pilih atribut yang menghasilkan information gain paling besar. {S1. …. pemilihan atribut yang akan diproses menggunakan information gain.5. Sv}.0. Sij adalah jumlah sample pada class Ci dalam sebuah subset Sj. C5. S2. a2.

Untuk mendefinisikan jarak antara dua titik yaitu titik pada data training (x) .0 mudah digunakan dan tidak membutuhkan pengetahuan tinggi tentang statistik atau machine learning. C5.…. satu data dengan output kelas 2 dan satu data dengan output kelas 3. Contoh Dalam hal ini jumlah data/tetangga terdekat ditentukan oleh user yang dinyatakan dengan k.xi dan y=y1. dengan d adalah jarak antara titik pada data training x dan titik data testing y yang akan diklasifikasi. Maka data baru tadi dapat dikelompokkan ke dalam kelas 1. Fitur tersebut adalah (Quinlan.x2. Sebagai ilustrasi. kemudian tentukan output mana yang frekuensinya paling banyak. Gambar 4 berikut ini adalah bentuk representasi K-NN dengan 1. dimana x=x1. pada empat data klasifikasi kualitas baik dan tidak baik sebuah kertas tisu yang dinilai berdasarkan daya tahan kertas tersebut dan fungsinya. Untuk memaksimumkan tingkat penafsiran pengguna terhadap hasil yang disajikan.…. maka dapat disimpulkan bahwa output dengan label kelas 1 adalah yang paling banyak. 2. pada Tabel 1 berikut ini disajikan contoh penerapan rumus Euclidean.dan titik pada data testing (y) maka digunakan rumus Euclidean. 2001). lima data tadi terbagi atas tiga data dengan output kelas 1. maka klasifikasi C5. 2004) : 1. 2007). Prosedur ini dilakukan untuk semua data testing (Santosa. maka setiap data testing dihitung jaraknya terhadap data training dan dipilih 5 data training yang jaraknya paling dekat ke data testing. 2003).yi dan I merepresentasikan nilai atribut serta n merupakan dimensi atribut (Han & Kamber. menggunakan pohon keputusan dan sekumpulan aturan IF-then yang lebih mudah untuk dimengerti dibandingkan neural network.y2. C5. Sebanyak tiga data yang sudah .yang ada pada algoritme decision tree sebelumnya. Lalu masukkan suatu data testing ke kelompok dengan output paling banyak.0 disajikan dalam dua bentuk. 3.0 telah dirancang untuk dapat menganalisis basis data subtansial yang berisi puluhan sampai ratusan record dan satuan hingga ratusan field numerik dan nominal. Misalkan dalam kasus klasifikasi dengan 3 kelas. 2 dan 3 tetangga data terhadap data baru x (Pramudiono. Lalu periksa output atau labelnya masing-masing. Misalkan ditentukan k=5.

Tingkat ketepatan klasifikasi terhadap data dari kedua algoritma yang digunakan menjadi titik fokus analisa dalam penelitian.2. dan 3 masing-masing data dihitung jaraknya ke data no 4 untuk mendapatkan kelas yang sesuai bagi data no 4 maka k=1 (Teknomo.terklasifikasi yaitu data no 1. Teknik ini akan diujicobakan terhadap dataset akademik yang belum terklasifikasi atau data yang belum dikenal. 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. Tabel 1. . 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. 2006). untuk menemukan kelas yang sesuai dengan berdasarkan pada data tetangga terdekatnya yang sudah terklasifikasi.

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

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

Artinya. Algoritma berhenti jika tidak ada dense unit yang dibangkitkan. menentukan calon dense unit berdimensi 1 dengan melakukan pass over data. Prosedur candidat generation menyatakan Dk-1 sebagai kumpulan dense unit berdimensi (k-1). maka proyeksinya juga terhubung. .MAFIA termasuk algoritma yang menggunakan strategi metode bottom up search grid based. proyeksi titik dalam cluster C yang berdimensi-k juga berada dalam cluster yang sama pada proyeksi dimensi-(k-1). Setelah menentukan dense unit berdimensi-k-1. Pertama-tama. Karena semua unit dalam cluster terhubung. Algoritma diproses level demi level. 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. 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. Proyeksi setiap unit u dalam C harus memiliki selectivity minimal agar bersifat padat. Contoh : Buttom-up Subspace Search Grid Method Algoritma Bottom-up ini menggunakan prinsip yang serupa dengan algoritma Apriori untuk menghasilkan rule asosiasi. calon dense unit berdimensi-k ditentukan dengan menggunakan prosedur candidate generation.

Sign up to vote on this title
UsefulNot useful