IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING

Abstract

Clustering memiliki permasalahan terhadap hasil yang dicapai apakah sudah sesuai dengan kebutuhan. Salah satu pilihan adalah agglomertive hierarchical clustering(AHC). Pada AHC ada dua hal penting yaitu pemilihan jenis pengukuran similarity dan teknik linkage. Pada beberapa kasus, penggunaan AHC yang berbasis single linkage menunjukkan hasil yang baik pada berbagai himpunan dataset dengan variasi jumlah dan bentuk. Namun, algoritma ini masih dapat menimbulkan masalah kepekaan pada adanya outlier dan fluktuasi kepadatan data. Juga tidak memungkinkan untuk menentukan jumlah klaster secara otomatis. Untuk mengatasi ini, diperlukan pendekatan untuk mendeteksi outlier dan secara otomatis menentukan jumlah klaster yang  dibutuhkan secara tepat. Pendekatan ini merupakan pengembangan dari AHC yang dapat mendeteksi adanya outlier. Hasil uji coba menunjukkan bahwa modifikasi HCA lebih unggul dalam penanganan outlier.