PERBANDINGAN ALGORITME CLUSTERING ROCK DAN QROCK UNTUK DATA KATEGORIK (STUDI KASUS : DATA SPONGE) MARISA ANGGRAENI

Transkripsi

1 PERBANDINGAN ALGORITME CLUSTERING ROCK DAN QROCK UNTUK DATA KATEGORIK (STUDI KASUS : DATA SPONGE) MARISA ANGGRAENI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008

2 PERBANDINGAN ALGORITME CLUSTERING ROCK DAN QROCK UNTUK DATA KATEGORIK (STUDI KASUS : DATA SPONGE) Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Oleh : MARISA ANGGRAENI G DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2008

3 ABSTRAK MARISA ANGGRAENI. Perbandingan Algoritme Clustering ROCK dan QROCK untuk Data Kategorik (Studi Kasus : Data Sponge). Dibimbing oleh ANNISA, dan HARI AGUNG. Sponge adalah hewan laut berpori yang memompa air melalui tubuhnya untuk menyaring partikel partikel sebagai makanannya. Beberapa ahli taksonomi berpendapat adanya kelas baru dari sponge. Iosune Uriz dan Marta Domingo melakukan riset dan pengumpulan data sponge jenis O.Hadromerida (Demospongiae. Porifera) yang termasuk kelas Demospongiae di Laut Atlantik pada tahun Tujuan riset dan pengumpulan data tersebut adalah untuk mengetahui model cluster berdasarkan anatomy dan phisiology sponge. Model cluster tersebut diharapkan dapat direpresentasikan pada klasifikasi taksonomi sehingga dapat memprediksi ada atau tidaknya kemungkinan species atau kelas baru dari data sponge tersebut. Sebagian besar atribut data sponge tersebut merupakan data kategorik. Clustering adalah proses data mining untuk melihat pola pendistribusian data yang akan digunakan untuk melihat karakteristik dari data. Pada penelitian ini data riset Iosune Uriz dan Marta Domingo akan dikelompokkan oleh algoritme ROCK dan QROCK. Algoritme ROCK digunakan karena memiliki kualitas dan penanganan data kategorik yang lebih baik dari algoritme clustering distance pada umumnya, sedangkan algoritme QROCK merupakan perbaikan dari algoritme ROCK karena dari segi waktu lebih efisien dan dapat mendeteksi outlier pada ROCK. Algoritme ROCK yaitu algoritme clustering hirarki aglomeratif untuk mengelompokkan data kategorik yang membangun link untuk menggabungkan cluster-cluster-nya. QROCK adalah perbaikan dari algoritme ROCK yang memiliki metode yang lebih efisien untuk menghasilkan cluster akhir algoritme ROCK ketika ROCK sudah tidak memiliki link antar cluster-nya. Pada penelitian ini cluster yang dihasilkan merepresentasikan pola data sponge. Cluster hasil dari algoritme ROCK dan QROCK untuk data sponge akan dibandingkan. Total cohesion dari cluster yang dihasilkan ROCK lebih kecil dibandingkan separation-nya, sedangkan total cohesion dari cluster yang dihasilkan QROCK lebih besar dibandingkan nilai separation-nya. Hal tersebut membuktikan bahwa cluster yang dihasikan QROCK lebih baik dari ROCK. Dibuktikan pula bahwa algoritme QROCK dapat mendeteksi outlier dari algoritme ROCK pada saat nilai threshold 0,9. Kata kunci : Clustering, ROCK, QROCK, Data Kategorik, Sponge, Link.

4 Judul : Perbandingan Algoritme Clustering ROCK dan QROCK untuk Data Kategorik Nama : Marisa Anggraeni NIM : G Menyetujui: Pembimbing I, Pembimbing II, Annisa, S.Kom, M.Kom NIP Hari Agung, S.Kom, M.Si NIP Mengetahui: Dekan Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr. drh. Hasim, DEA NIP Tanggal Lulus:

5 RIWAYAT HIDUP Penulis dilahirkan di Sumedang tanggal 19 Februari 1986, anak ke dua dari tiga bersaudara dari pasangan O.Ridwan dan Metini. Tahun 2004, penulis lulus dari SMU Negeri 1 Cimalaka, Sumedang dan pada tahun yang sama penulis diterima sebagai mahasiswa S1 Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk Institut Pertanian Bogor (USMI). Pada tahun 2007, penulis melaksanakan kegiatan Praktik Kerja Lapangan di Lembaga Riset Perkebunan Indonesia (LRPI) selama dua bulan. Dari hasil praktik lapang tersebut penulis telah membuat laporan dengan judul Pembuatan website Pusat Penelitian Teh dan Kina Gambung.

6 PRAKATA Alhamdulillahi Rabbil alamin, puji dan syukur penulis panjatkan kepada Allah SWT atas limpahan rahmat dan hidayah-nya sehingga tugas akhir dengan judul Perbandingan Algoritme Clustering ROCK dan QROCK untuk Data Kategorik dapat diselesaikan. Shalawat serta salam juga penulis ucapkan kepada junjungan kita Nabi Muhammad SAW beserta seluruh sahabat dan umatnya hingga akhir zaman. Dalam menyelesaikan tugas akhir ini penulis mendapatkan banyak sekali bantuan, bimbingan dan dorongan dari berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima kasih kepada semua pihak yang telah membantu dalam penyelesaian tugas akhir ini, antara lain: 1 Ketiga orangtua tersayang, Bapak Deden dan Mama Metini serta Mpah O.Ridwan atas segala do a, kasih sayang, dan dukungannya. 2 Aa Geri Ridwandini dan Ade Silvie Delasani tersayang yang selalu memberikan do a, semangat dan motivasi dalam penyelesaian tugas akhir ini. 3 Ibu Annisa, S.Kom, M.Kom selaku pembimbing pertama atas bimbingan dan arahannya selama pengerjaan tugas akhir ini. 4 Bapak Hari Agung, S.Kom, M.Si selaku pembimbing kedua atas bimbingan dan arahannya selama pengerjaan tugas akhir ini. 5 Bapak Endang, S.Kom, M.Kom selaku moderator dan penguji tugas akhir ini. 6 Efrian Muharrom yang telah memberi dukungan, semangat, bantuan dan do a saat penulis merasa jenuh dan kesulitan dalam penyelesaian tugas akhir ini. 7 Anizza, Popi, Ineza, Fathimah, Gananda, Imam, Henri, Lewe, Denny dan Maulana atas semangat dan dukungannya. 8 Ayudya Paramita, Nurdian Setiawan, dan Riza Mahendra atas semangat dan do a selama bimbingan bersama. 9 Imam Abu Daud, Irfan Sidqon, M.Syadid, Rizki Peburdi, dan Arif Nurwidiantoro atas bantuan dan ilmu yang telah dibaginya. 10 Seluruh teman-teman Program Studi Ilmu Komputer angkatan 41 yang tidak dapat disebutkan namanya satu-persatu. Penulis juga mengucapkan terima kasih kepada semua pihak yang telah membantu selama pengerjaan penyelesaian tugas akhir ini yang tidak dapat disebutkan satu-persatu. Semoga penelitian ini dapat memberikan manfaat. Bogor, Agustus 2008 Marisa Anggraeni

7 DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR... vi DAFTAR LAMPIRAN... vi_toc PENDAHULUAN... 1 Latar Belakang...1 Tujuan...1 Ruang Lingkup...1 Manfaat Penelitian...1 TINJAUAN PUSTAKA... 1 Knowledge Discovery in Database (KDD)...1 Data Mining...2 Clustering...2 Agglomerative Hirarchical Clustering...3 Data Kategorik...3 ROCK (RObust Clustering using links)...3 QROCK (Quick RObust Clustering using links)...4 Evaluasi Cluster...5 Outlier...5 METODE PENELITIAN... 5 Proses Knowledge Discovery in Database...5 Lingkungan Pengembangan...8 HASIL DAN PEMBAHASAN... 8 Preprocessing Data...8 Data Mining...8 Evaluasi Pola...10 Ukuran Cluster dan Nilai Cohesion...11 Nilai Threshold dan Nilai Cohesion...12 Mendeteksi Outlier...13 KESIMPULAN DAN SARAN Kesimpulan...14 Saran...14 DAFTAR PUSTAKA v

8 DAFTAR TABEL Halaman 1 Cluster hasil algoritme ROCK untuk ukuran k = 8 dan = 0, Persentase dan jumlah anggota cluster algoritme ROCK untuk ukuran k = 8 dan = 0, Cluster yang dihasilkan oleh algoritme QROCK pada ukuran k = 6 dan = 0, Persentase dan jumlah anggota cluster algoritme QROCK pada ukuran k = 6 dan = 0, Nilai cohesion dan nilai separation algoritme ROCK untuk cluster delapan dan = Nilai cohesion dan nilai separation algoritme QROCK untuk cluster enam dan = Nilai total cohesion dan ukuran cluster algoritme ROCK pada nilai threshold Hubungan antar nilai threshold dan nilai cohesion pada algoritme ROCK pada ukuran cluster delapan DAFTAR GAMBAR Halaman 1 Tahapan dalam KDD (Han & Kamber, 2006) Langkah-langkah KDD dalam penelitian Proses algoritme (a) ROCK dan (b) QROCK Grafik nilai cohesion terhadap nilai k pada algoritme ROCK Grafik nilai cohesion terhadap nilai k pada algoritme QROCK Perbandingan nilai cohesion terhadap ukuran cluster untuk ROCK dan QROCK Grafik nilai threshold terhadap nilai cohesion pada algoritme ROCK Grafik nilai threshold terhadap nilai cohesion pada algoritme QROCK Perbandingan nilai cohesion terhadap nilai threshold untuk ROCK dan QROCK DAFTAR LAMPIRAN Halaman 1 Keterangan anggota Struktur dari 27 atribut non numeric, 15 atribut boolean, dan tiga atribut numeric Nilai total cohesion untuk clustering algoritme ROCK dari setiap kombinasi ukuran k dan nilai threshold Nilai total cohesion untuk clustering algoritme QROCK dari setiap nilai threshold yang dicobakan Perbandingan hasil cluster algoritme ROCK dan QROCK pada nilai threshold vi

9 Latar Belakang PENDAHULUAN Sponge atau poriferans berasal dari bahasa Latin yaitu porus yang artinya pori dan ferre yang artinya memiliki. Sponge adalah hewan berpori, pada umumnya terdapat di lautan, yang memompa air melalui tubuhnya untuk menyaring partikel partikel sebagai makanannya. Berdasarkan tipe spicules dari kerangka tubuhnya bunga karang dikelompokan menjadi tiga kelas yaitu Calcarea, Hexactenellida, dan Demospongiae. Beberapa ahli taksonomi berpendapat adanya kelas lain yaitu Sclerospongiae. Ditemukannya kelas dan species baru mendorong ilmuwan ilmuwan ahli taksonomi untuk melakukan penelitian lebih lanjut terhadap bunga karang berdasarkan anatomy, phisiology, geological history, dan lineage untuk memperoleh kemungkinan mendapatkan kelas dan species baru. Iosune Uriz dan Marta Domingo melakukan riset dan pengumpulan data terhadap bunga karang (sponge) di Lautan Atlantik. Jenis bunga karang pada data tersebut adalah O.Hadromerida (Demospongiae. Porifera) dan berdasarkan taksonominya termasuk kelas Demospongiae. Salah satu tujuan riset dan pengumpulan data tersebut adalah untuk mengetahui model cluster berdasarkan anatomy dan phisiology sponge. Model cluster tersebut diharapkan dapat direpresentasikan pada klasifikasi taksonomi sehingga dapat memprediksikan ada atau tidaknya kemungkinan species atau bahkan kelas baru dari data sponge tersebut. Data mining merupakan proses ekstraksi informasi atau pola yang penting dalam basis data yang berukuran besar (Han & Kamber, 2006). Data mining yang diterapkan pada data bunga karang tersebut diharapkan mampu menggali informasi pola cluster data tersebut. Clustering adalah proses data mining untuk melihat pola pendistribusian data yang akan digunakan untuk melihat karakteristik dari data (Han & Kamber 2006). Pola yang dihasilkan adalah pengelompokan himpunan objek ke dalam kelas-kelas berdasarkan nilai maksimal kemiripan data antar cluster. Sebagian besar data bunga karang adalah data kategorik. Algoritme ROCK dan QROCK merupakan algoritme clustering hirarki aglomeratif untuk data kategorik, oleh karena itu algoritme yang digunakan adalah algoritme ROCK dan QROCK. ROCK (RObust Clustering using links) adalah algoritme yang membangun link untuk menggabungkan cluster-cluster-nya dan tidak menggunakan jarak (distance) seperti pada algoritme clustering pada umumnya. Algoritme ROCK tidak hanya menghasilkan kualitas yang lebih baik daripada algoritme clustering distance tetapi juga memiliki penanganan data kategorik yang lebih baik (Guha et al 2000). QROCK adalah perbaikan dari algoritme ROCK karena dari segi waktu iterasi lebih efisien dan dapat mendeteksi outlier dari hasil proses algoritme ROCK (M.Dutta et al. 2005). Tujuan Tujuan dari penelitian ini adalah : 1 Menerapkan teknik clustering ROCK dan QROCK pada data kategorik dari bunga karang. 2 Membandingkan kualitas cluster yang dihasilkan oleh algoritme ROCK dan QROCK pada data kategorik dari bunga karang. Ruang Lingkup Penelitian ini dibatasi pada penggunaan teknik clustering untuk data kategorik dengan menggunakan algoritme ROCK dan QROCK. Data yang digunakan adalah data bunga karang jenis O.Hadromerida (Demospongiae. Porifera) yang terdapat di Lautan Atlantik hasil penelitian Iosune Uriz dan Marta Domingo pada tahun Data dapat diunduh pada situs Manfaat Penelitian Penelitian ini diharapkan dapat bermanfaat bagi pihak-pihak yang membutuhkan informasi tentang penjelasan cara kerja ROCK dan QROCK, serta perbandingan diantara keduanya. TINJAUAN PUSTAKA Knowledge Discovery in Database (KDD) Knowledge Discovery in Database (KDD) adalah proses menentukan informasi yang berguna serta pola-pola yang ada dalam data (Goharian & Grossman, 2003). Informasi ini terkandung dalam basis data yang berukuran besar yang sebelumnya tidak diketahui dan potensial bermanfaat (Han & Kamber, 2006). KDD merupakan sebuah proses yang terdiri dari serangkaian proses iterative yang terurut. 1

10 Data mining merupakan salah satu langkah dalam prosess KDD. Tahapan proses KDD dapat dilihat pada Gambar 1. Gambar 1 Tahapan dalam KDD (Han & Kamber, 2006). Tahapan proses KDD menurut Han & Kamber (2006) terdiri dari : 1 Pembersihan data Pembersihan data dilakukan untuk menghilangkan data yang tidak konsisten dan mengandung noise. 2 Integrasi data Proses integrasi data dilakukan untuk menggabungkan data dari berbagai sumber menjadi bentuk sebuah penyimpanan data yang saling berhubungan, seperti dalam data warehousing. 3 Seleksi data Proses seleksi data mengambil data yang relevan digunakan untuk proses analisis. 4 Tranformasi data Proses ini mentransformasikan atau menggabungkan data ke dalam bentuk yang tepat untuk dilakukan proses mine dengan cara melakukan peringkasan atau operasi agregasi. Dalam beberapa kasus proses tranformasi dilakukan sebelum proses seleksi, misalnya dalam kasus data warehouse. 5 Data mining Data mining merupakan proses yang penting, di mana metode-metode cerdas diaplikasikan untuk mengekstrak polapola dalam data. 6 Evaluasi pola Evaluasi pola diperlukan untuk mengidentifikasi beberapa pola yang menarik dalam merepresentasikan pengetahuan. 7 Presentasi pengetahuan Penggunaan visualisasi dan teknik representasi untuk menunjukan pengetahuan hasil penggalian dari tumpukan data kepada pengguna. Data Mining Data mining merupakan suatu proses untuk menemukan pola-pola yang menarik dari data berukuran besar yang disimpan di basis data, data warehouse, atau sarana penyimpanan yang lain (Han & Kamber, 2006). Proses data mining dapat dibedakan menjadi dua tujuan utama yaitu (Kantardzic 2003) : 1 Descriptive data mining Deskripsi konsep atau task-relevan data dalam bentuk yang ringkas, informatif, dan diskriminatif. 2 Predictive data mining Dari hasil analisis data dibuat model untuk dijadikan alat prediksi tren dan data yang tidak diketahui nilainya. Clustering Clustering merupakan proses dari data mining untuk mengelompokkan kumpulan objek ke dalam kelas-kelas atau cluster sehingga objek-objek dalam satu cluster memiliki kemiripan yang tinggi tetapi tidak mirip terhadap objek dari cluster lain (Han & Kamber, 2006). Ukuran kemiripan dan ketidakmiripan dinilai berdasarkan nilai atribut yang mendeskripsikan objek. Metode yang umum digunakan dalam clustering dapat diklasifikasikan sebagai berikut (Han & Kamber, 2006) : 1 Metode partisi Metode yang membangun berbagai partisi (bagian) kemudian mengevaluasinya dengan beberapa kriteria. Metode ini akan memindahkan objek dari satu kelompok ke kelompok lain. 2 Metode hirarki Metode yang membangun dekomposisi hirarki dari himpunan data (objek) menggunakan beberapa kriteria. 3 Metode berdasarkan kepekatan Metode yang berdasarkan kepada keterhubungan diantara objek dan fungsi kepadatan. 2

11 4 Metode berdasarkan grid Metode yang berdasarkan kepada struktur multiple level granularity. 5 Metode berdasarkan model Metode yang menjadikan sebuah model merupakan patokan bagi setiap cluster mendapatkan model yang tepat terhadap suatu data dengan model yang diberikan. Agglomerative Hirarchical Clustering Agglomerative hirarchical clustering adalah metode clustering hirarki yang pada langkah awal menganggap masing-masing objek adalah cluster, cluster digabungkan pada coarser partition atau partisi yang lebih kasar dan proses penggabungan tersebut berlangsung sampai trivial partition terbentuk yaitu ketika semua objek berada pada satu cluster (Kantardzic 2003). Sebagian besar algoritme agglomerative hirarchical clustering terdiri dari algoritme single link atau algoritme complete link. Pada single link method jarak antara dua cluster adalah minimum jarak antardua objek dari dua cluster (minimum jarak antardua cluster). Sedangkan complete link method jarak antardua cluster adalah maksimum jarak antara dua objek dari dua cluster (maksimum jarak antardua cluster) (Kantardzic 2003). Data Kategorik Data kategorik yaitu data non-numeric (symbolic) yang variabelnya memiliki dua relasi. Contoh dari data kategorik seperti warna mata, jenis kelamin, dan kewarganegaraan (Kantardzic 2003). Biasanya data kategorik adalah data hasil pengamatan. Data numerik adalah data metric atau data yang merupakan hasil pengukuran. Data kategorik diklasifikasikan menjadi dua yaitu : 1. Data nominal yaitu data kategorik yang tak dapat dinyatakan bahwa kategori yang satu lebih baik dari kategori lainnya. Contoh dari data nominal yaitu pria wanita, ungu biru. 2. Kategorik ordinal, yaitu data kategorik yang mempunyai urutan tertentu namun jarak antar kategori sulit untuk dinyatakan sama. Contoh dari data ordinal yaitu keadaan baik, sedang, dan buruk. ROCK (RObust Clustering using links) ROCK adalah algoritme clustering hirarki aglomeratif untuk mengelompokkan data kategorik (Guha et al. 2000). ROCK merupakan algoritme yang membangun link untuk menggabungkan cluster-cluster-nya dan tidak menggunakan distance seperti algoritme clustering pada umumnya (Guha et al. 2000). Link antar dua tuple pada ROCK adalah nilai common neighbor yang mereka miliki dari data set. Common neighbor yaitu jumlah tetangga yang sama diantara dua objek data. Algoritme ROCK akan berhenti ketika (M.Dutta et al. 2005) : 1 Jumlah dari cluster yang diharapkan sudah terpenuhi, 2 Tidak ada lagi link antar cluster-clusternya. Langkah-langkah dalam algoritme ROCK yaitu (M.Dutta et al. 2005) : 1 Menentukan inisialisasi untuk masingmasing data poin sebagai cluster pada awalnya. 2 Menghitung similaritas antarcluster dengan cluster lainnya dengan menggunakan persamaan : dan...(1) adalah pasangan cluster yang akan dihitung similaritasnya, k merupakan nomor atribut dan adalah jumlah kandidat atribut ke k. Penjumlahan satu perjumlah kandidat atribut dilakukuan untuk atribut yang bukan anggota atribut irisan dan. 3 Mencari nilai nbrlist antarcluster dengan cluster lainnya. Nbrlist yaitu matrik nilai tetangga yang didapat dari threshold yang diberikan (nilai threshold antara 0 dan 1). Suatu objek dan bertetangga jika...(2) 4 Menghitung link antarcluster dengan cluster lainnya. antar objek diperoleh dari jumlah common neighbor dan. Jika 3

12 bernilai besar maka kemungkinan besar dan berada pada cluster yang sama. 5 Menentukan local heap. Local heap yaitu nilai goodness measure untuk setiap cluster dengan cluster lainnya jika link 0. Goodness measure yaitu persamaan yang menghitung jumlah link dibagi dengan kemungkinan link yang akan terbentuk dilihat dari ukuran cluster-nya. Persamaan untuk mencari goodness measure :...(3) adalah jumlah common neighbor dari dan, adalah jumlah anggota cluster i dan adalah jumlah anggota cluster j, dengan persamaan :...(4) 6 Menentukan global heap. Global heap yaitu nilai maksimum goodness measure antar kolom di baris ke i. 7 Ulangi langkah 5 dan 6 hingga mendapat kan nilai maksimum di global heap dan local heap. 8 Selama ukuran data > k, dengan k adalah jumlah kelas yang ditentukan lakukan penggabungan cluster yang memiliki nilai local heap terbesar dengan global heap terbesar menjadi satu cluster, tambahkan link antar cluster yang digabungkan, hapus cluster yang digabungkan dari local heap dan update global heap dengan nilai hasil penggabungan. 9 Lakukan langkah 8 hingga menemukan jumlah cluster yang diharapkan (k) atau cluster akan dibangkitkan secara otomatis ketika tidak ada lagi link antar clusternya. yaitu Time complexity pada saat worst case n adalah jumlah data, neighbor, dan neighbor. dengan maksimum jumlah nilai rata-rata jumlah QROCK (Quick RObust Clustering using links) QROCK adalah algoritme yang memiliki metode yang lebih efisien untuk menghasilkan cluster akhir algoritme ROCK ketika ROCK sudah tidak memiliki link antar cluster-nya (M.Dutta, et al. 2005). QROCK tidak lagi menggunakan link untuk menggabungkan cluster-cluster-nya tetapi menggunakan primitif tipe data abstrak MFSET. MFSET (Merge Find Set) atau disjoint set adalah suatu struktur data yang menggunakan dua operasi yaitu : 1 Find: menentukan himpunan yang berisi elemen khusus. Digunakan untuk menentukan dua elemen yang berada pada himpunan yang sama. 2 Merge: menggabungkan dua himpunan menjadi satu himpunan. MFSET yang digunakan pada QROCK yaitu (M.Dutta et al ): 1 Merge (A,B) : menggabungkan komponen A dan B. 2 Find (x) : mencari komponen yang salah satu anggota dari komponen tersebut adalah x. 3 Initial (x) : membuat komponen yang hanya berisi elemen x. Langkah-langkah dalam algoritme QROCK yaitu (M.Dutta et al ) : 1 Menentukan inisialisasi untuk masingmasing data poin sebagai cluster pada awalnya. 2 Menghitung similaritas antar cluster dengan cluster lainnya dengan menggunakan persamaan (1). 3 Mencari nilai nbrlist antar cluster dengan cluster lainnya. 4 Inisialisasi MFSET yang terdiri dari count, first element, set name, next element. 5 Inisialisasi elemen x adalah anggota himpunan data. 6 Inisialisasi elemen y adalah semua nilai nbrlist x = 1. 7 Find nilai A sebagai first element nilai x. 8 Find nilai B sebagai first element nilai y. 9 Jika nilai A B maka merge A dan B, selainnya passed. 10 Ulangi langkah 5 dan 6 selama y berada dalam nbrlist. 4

13 Time complexity dari algoritme QROCK yaitu. Evaluasi Cluster Cluster validation adalah kemampuan untuk mendeteksi ada atau tidaknya suatu stuktur tidak acak dalam data. Beberapa aspek penting dalam cluster validation yaitu (Tan et al. 2006) : 1 Menentukan clustering tendency dari data. Clustering tendency yaitu kecenderungan sifat dari suatu cluster. 2 Menentukan jumlah cluster yang tepat. 3 Mengevaluasi seberapa baik hasil analisis cluster tanpa diberikan informasi eksternal. 4 Membandingkan hasil analisis cluster terhadap hasil eksternal yang diketahui, misalnya label kelas eksternal. 5 Membandingkan dua himpunan cluster untuk menentukan yang lebih baik. Pada aspek satu, dua dan tiga tidak diperlukan informasi eksternal yang merupakan teknik unsupervised, sedangkan aspek empat membutuhkan informasi eksternal. Aspek empat termasuk teknik supervised. Aspek lima dapat dilakukan pada teknik supervised atau unsupervised. Perhitungan evaluasi dapat digolongkan menjadi tiga jenis yaitu (Tan et al. 2006) : 1 Unsupervised. Mengukur goodness dari struktur clustering tanpa informasi eksternal. Besaran unsupervised dibagi dua yaitu : cluster cohesion (seberapa dekat suatu objek dalam suatu cluster) dan cluster separation atau isolation (perbedaan atau seberapa jauh suatu cluster dengan cluster lainnya). 2 Supervised. Mengukur kecocokan struktur clustering dengan struktur eksternal. 3 Relative. Membandingkan clustering yang beda. Besaran evaluasi cluster relative merupakan teknik unsupervised atau supervised yang digunakan untuk perbandingan. Algoritme ROCK dan QROCK merupakan teknik unsupervised dan graphbase sehingga cohesion didapatkan dengan menjumlahkan bobot link dari proximity graf yang terhubungkan pada cluster dengan persamaan (Tan et al. 2006) :..(5) Demikian juga dengan separation antar dua cluster dapat dihitung dari jumlah bobot link suatu objek data dalam suatu cluster ke objek data di cluster lain dengan persamaan :...(6) Fungsi proximity dapat berupa similarity, dissimilarity atau fungsi kuantitas lainnya. Dikarenakan fungsi kuantitas dari algoritme ROCK dan QROCK adalah fungsi goodness pada persamaan (3) maka persamaan yang digunakan untuk menghitung nilai evaluasi cluster-nya adalah persamaan goodness measure dibagi m yaitu cluster yang terbentuk. Persamaan cohesion dan separation tersebut yaitu :...(7)...(8) Dengan sama dengan persamaan (4). Semakin tinggi nilai total cohesion dan semakin minimum nilai separation maka semakin baik suatu cluster terhadap yang lainnya. Karena fungsi yang digunakan adalah fungsi goodness measure yang semakin besar nilai goodness-nya maka semakin dekat suatu objek cluster dengan objek lainnya. Outlier Outlier menurut ilmu statistik adalah data yang terdapat di atas batas atas atau di bawah batas bawah rentangan data (Huntsbergen 1987). Outlier adalah data yang tidak mengikuti tingkahlaku umum sebagian besar data, perbedaan yang penting atau sesuatu yang tidak konsisten dalam himpunan data (Kantardzic 2003). METODE PENELITIAN Proses Knowledge Discovery in Database Penelitian ini akan dianalisis dengan menggunakan langkah-langkah Knowledge Discovery in Database (KDD) (Han & Kamber, 2006) dengan tahapan seperti pada Gambar 2. 5

14 objek diperoleh dari jumlah common neighbor dan. Gambar 2 Langkah-langkah KDD dalam penelitian. 1 Preprocessing data Praproses data meliputi pembersihan data, integrasi data, seleksi data, dan transformasi data. 2 Data mining Dalam penelitian ini digunakan algoritme ROCK dan QROCK. Algoritme ROCK dan QROCK digunakan untuk mengelompokan data bunga karang (sponge) sehingga didapatkan pola-pola cluster bunga karang jenis O.Hadromerida (Demospongiae. Porifera) berdasarkan anatomi dan fisiologinya. Perbandingan langkah-langkah algoritme ROCK dan QROCK digambarkan pada Gambar 3. Penjelasan dari tahapan algoritme ROCK yaitu : 1 Menentukan inisialisasi untuk masing-masing data poin sebagai cluster pada awalnya. 2 Menghitung similaritas antar cluster dengan cluster lainnya 3 Mencari nilai nbrlist antar cluster dengan cluster lainnya. 4 Menghitung link antar cluster dengan cluster lainnya. antar 5 Mengitung nilai goodness measure untuk setiap cluster dengan cluster lainnya jika link 0 yang disebut local heap. 6 Memilih nilai maksimum goodness measure antar kolom di baris ke i yang disebut global heap. 7 Ulangi langkah 5 dan 6 hingga mendapatkan nilai maksimum di global heap dan local heap. 8 Selama ukuran data > k, dengan k adalah jumlah kelas yang ditentukan lakukan penggabungan cluster yang memiliki nilai local heap terbesar dengan global heap terbesar menjadi satu cluster, tambahkan link antar cluster yang digabungkan, hapus cluster yang digabungkan dari local heap dan update nilai global heap dengan nilai hasil penggabungan. 9 Lakukan langkah 8 hingga menemukan jumlah cluster yang diharapkan atau tidak ada lagi link antar clusternya. Langkah-langkah dari algoritme QROCK tersebut yaitu : 1 Menentukan inisialisasi untuk masing-masing data poin sebagai cluster pada awalnya. 2 Menghitung similaritas antarcluster dengan cluster lainnya. 3 Mencari nilai nbrlist antar cluster dengan cluster lainnya. 4 Inisialisasi MFSET yang terdiri dari count, first element, set name, next element. 5 Inisialisasi elemen x adalah anggota himpunan data. 6 Inisialisasi elemen y adalah semua nilai nbrlist x = 1. 7 Find nilai A sebagai first element nilai x. 8 Find nilai B sebagai first element nilai y. 9 Jika nilai A B maka merge A dan B, selainnya passed. 6

15 Gambar 3 Proses algoritme (a) ROCK dan (b) QROCK. 10 Ulangi langkah 5 dan 6 selama y berada dalam nbrlist. 3 Evaluasi pola Pada tahap ini dipergunakan persamaan (7) untuk menghitung cohesion dan persamaan (8) untuk menghitung separation. 4 Presentasi pengetahuan Tahap presentasi pengetahuan adalah tahap akhir. Dalam tahap ini akan dipresentasikan hasil dari perhitungan tahap kedua dan ketiga dalam bentuk tabel hasil clustering. 7

16 Setelah dilakukan analisis clustering maka algoritme tersebut akan dibandingkan berdasarkan cluster yang terbentuk dari hasil analisis cluster-nya. Hasil perbandingan diharapkan dapat membuktikan bahwa algoritme QROCK lebih baik dari ROCK. Lingkungan Pengembangan Aplikasi ini dibangun dengan menggunakan perangkat keras dan lunak dengan spesifikasi sebagai berikut : Perangkat keras : Processor Intel Pentium 4 RAM 512 MB DDR 1 HDD 80 GB Monitor 14 Mouse dan keyboard Perangkat lunak : Sistem operasi Windows XP SP 2 Bahasa Pemrograman Matlab 7 Microsoft Excel 2007 HASIL DAN PEMBAHASAN Preprocessing Data Data yang digunakan pada penelitian ini adalah data bunga karang atau sponge jenis O.Hadromerida (Demospongiae. Porifera) yang terdapat di Lautan Atlantik. Data diperoleh dari hasil penelitian Iosune Uriz dan Marta Domingo pada tahun Data ini memiliki 76 record dan 45 atribut. Format awal data adalah format txt. Tahap praproses data dilakukan terhadap data bunga karang meliputi: 1 Data selection Pada proses ini dilakukan dua tahapan : a b Seleksi record. Dari 76 record data terdapat 22 missing data pada atribut ke 39, oleh karena itu diperlukan pemilihan record yang sesuai sehingga data yang hilang tidak mempengaruhi hasil. Pada penelitian ini seleksi record dilakukan dengan cara membuang 22 record missing data, sehingga dihasilkan 54 record data. Data sponge tersebut dapat dilihat pada Lampiran 1. Seleksi atribut. Dalam data yang digunakan terdapat 45 atribut yang terdiri dari 27 atribut non-numerik, 15 atribut boolean, dan tiga atribut numeric. Karena tiga atribut numeric dalam bentuk bilangan diskret maka diasumsikan bahwa nilai dari atribut tersebut merupakan hasil pengamatan yang didiskretkan sehingga dapat dijadikan kategori. Oleh karena semua atribut yang ada berhubungan dengan struktur anatomi dan fisiologi dari bunga karang maka semua atribut digunakan dalam proses data mining. Atribut yang digunakan dapat dilihat pada Lampiran 2. 2 Data transformation Pada tahapan proses ini dilakukan tranformasi data dari format.txt ke format.xls agar dapat diproses dengan mudah oleh MATLAB. Kemudian dilakukan inisialisasi untuk setiap data kedalam bentuk integer untuk mempermudah proses perhitungan similaritas. Data Mining Pada tahap ini dilakukan clustering menggunakan langkah-langkah dari algoritme ROCK dan QROCK. Pada langkah pertama akan dilakukan proses clustering menggunakan algoritme ROCK. Percobaan clustering dilakukan untuk ukuran cluster dua sampai 13 (k = 2 13). Untuk masing masing ukuran cluster dilakukan percobaan dengan nilai threshold diambil pada selang 0 sampai 1 (0:0.1:1). Cluster hasil ditentukan sedemikian sehingga cluster hasil memiliki nilai cohesion yang tinggi dan telah merepresentasikan pola anatomi dari sponge. Cluster yang dihasilkan oleh algoritme ROCK berjumlah tujuh cluster dengan nilai threshold 0.6. Hasil algortme ROCK tersebut disajikan pada Tabel 1. Tabel 1 Cluster hasil algoritme ROCK untuk ukuran k = 7 dan = 0,6 Cluster Anggota 1 [ ] 2 [ ] 3 [ ] 4 [ ] 5 [ ] 6 [ ] 7 [ ] Persentase dan jumlah anggota masingmasing cluster algoritme ROCK dengan ukuran k = 7 dan threshold = 0,6 disajikan dalam Tabel 2. 8

17 Tabel 2 Persentase dan jumlah anggota cluster algoritme ROCK untuk ukuran k = 7 dan = 0,6 Cluster Jumlah anggota Persentase (%) Pola anatomi yang direpresentasikan dari cluster hasil algoritme ROCK yaitu : 1 Anggota cluster satu merupakan sponge yang tidak memiliki bagian dalam cortex, tidak memiliki espicula, megasclera tipe satu dan warnanya selain warna biru, kuning dan orange permukaan halus. 2 Anggota cluster dua merupakan sponge yang memiliki cortex, tidak memiliki tipe espicula, megasclera tipe tiga, dan bentuk lapisan permukaannya keras. 3 Cluster tiga merupakan sponge yang tidak memiliki cortex, tidak memiliki espicula, megasclera tipe satu, berwarna kuning dan lapisan permukaan kasar. 4 Anggota cluster empat merupakan sponge yang tidak memiliki cortex, tidak memiliki espicula, megasclera tipe satu dan dua, berwarna kuning, selain biru dan orange, memiliki lapisan permukaan halus namun keras. 5 Cluster lima merupakan sponge yang memiliki cortex, memiliki espicula, megasclera tipe tiga dan satu, warnanya selain warna biru dan orange, bentuk lapisan permukaannya beragam dan keras. 6 Cluster enam merupakan sponge yang tidak memiliki cortex, tidak memiliki espicula, megasclera tipe satu, dua, dan tiga, berwarna kuning, selain biru dan orange, memiliki lapisan permukaan halus dan kasar serta keras. 7 Cluster tujuh merupakan sponge yang memiliki cortex, tidak memiliki espicula dan memiliki espicula, megasclera tipe satu, dua, dan tiga, berwarna kuning, selain biru dan orange, memiliki permukaan yang keras. Pada percobaan untuk algoritme QROCK tidak diperlukan penentuan ukuran cluster karena ukuran cluster akan dibangkitkan otomatis oleh algoritme QROCK. Pada algoritme ini hanya diperlukan masukan data dan nilai threshold. Nilai threshold pada percobaan ini diambil pada selang 0 sampai dengan 1 (0:0.05:1). Percobaan clustering dilakukan dengan memasukan nilai threshold yang bervariasi hingga menghasilkan cluster yang memiliki nilai cohesion yang tinggi dan telah merepresentasikan pola anatomi dari sponge. Cluster yang dihasilkan oleh algoritme QROCK berjumlah enam cluster dengan nilai threshold Hasil algoritme QROCK tersebut disajikan pada Tabel 3. Tabel 3 Cluster yang dihasilkan oleh algoritme QROCK pada ukuran k = 6 dan = 0,85 Cluster Anggota 1 [1] [ ] 3 [10] [ ] 5 [42 43] 6 [46 47] Persentase dan jumlah anggota masingmasing cluster algoritme QROCK pada ukuran k = 6 dan threshold = 0,85 disajikan dalam Tabel 4. Tabel 4 Persentase dan jumlah anggota cluster algoritme QROCK pada ukuran k = 6 dan = 0,85 Cluster Jumlah anggota Persentase (%)

18 Pola anatomi yang direpresentasikan dari cluster hasil algoritme QROCK yaitu : 1 Anggota cluster satu merupakan sponge yang memiliki cortex, tidak ada espicula, megasclera tipe satu, warna selain kuning, biru dan orange, permukaannya kasar. 2 Cluster dua sponge yang memiliki cortex, megascleras tipe satu dan dua, tidak memiliki espicula, warna kuning dan selain biru dan orange, permukaan halus dan keras. 3 Anggota cluster tiga sponge yang memiliki cortex dan espicula, megasclera tipe tiga, permukaannya halus dan warnanya kuning. 4 Cluster empat sponge yang memiliki cortex dan tidak memiliki espicula, megasclera tipe tiga, warna selain kuning, biru dan orange, permukaan halus tapi keras. 5 Cluster lima sponge yang tidak memiliki cortex namun memiliki espicula, megasclera tipe tiga, warna kuning, lapisan permukaan halus dan kasar. 6 Cluster enam merupakan sponge yang memiliki cortex dan tidak memiliki espicula, tidak memiliki megasclera, warna selain kuning, biru dan orange, permukaannya berbentuk poligon besar dan kasar. Pada kasus algoritme ROCK yang membutuhkan dua parameter ukuran cluster dan nilai threshold, algoritme berhenti setelah mendapatkan k cluster yang ditentukan maka k > untuk nilai threshold. Cluster tambahan ( buah) tidak lain merupakan calon anggota cluster, namun karena nilai k terpenuhi maka proses merge tidak sempat dikerjakan. Selain itu, kondisi data dalam jumlah besar dan kemungkinan memiliki outliers sangat sulit untuk menentukan nilai k. Algoritme QROCK lebih mudah dan natural karena tidak harus menentukan ukuran k dibandingkan algoritme ROCK. Evaluasi Pola Hasil clustering dari setiap kombinasi ukuran cluster dan nilai threshold dievaluasi menggunakan total cohesion dengan menggunakan persamaan (7) dan nilai separation dengan menggunakan persamaan (8). Nilai total cohesion untuk clustering algoritme ROCK disajikan pada Lampiran 3. Pada algoritme ROCK pola anatomi sponge dapat direpresentasikan setelah ukuran cluster tujuh. Pada tabel di Lampiran 3 dapat terlihat bahwa untuk ukuran cluster tujuh dengan nilai cohesion yang paling tinggi terdapat pada nilai threshold 0.6, maka cluster yang dipilih untuk algoritme ROCK adalah ukuran cluster tujuh dengan = 0.6. Nilai cohesion dan nilai separation untuk cluster tujuh dan = 0.6 tersebut disajikan pada Tabel 5. Tabel 5 Nilai cohesion dan nilai separation algoritme ROCK untuk cluster delapan dan = 0.7 Cluster Jumlah Anggota Cohesion Separation , , Nilai total cohesion untuk clustering dari setiap kombinasi nilai threshold bagi algoritme QROCK disajikan pada Lampiran 4. Pada algoritme QROCK pola anatomi sponge dapat direpresentasikan pada ukuran cluster enam. Pada tabel di Lampiran 4 dapat dilihat bahwa untuk nilai (threshold) = 0.85 total cohesion memiliki nilai cohesion yang tinggi dibandingkan dengan cluster sembilan yang dihasilkan oleh nilai threshold = 0.87, maka cluster yang dipilih untuk algoritme QROCK adalah cluster ukuran enam dengan = Nilai cohesion dan nilai separation untuk ukuran cluster enam dan = 0.85 tersebut disajikan pada Tabel 6. 10

19 Tabel 6 Nilai cohesion dan nilai separation algoritme QROCK untuk cluster enam dan = 0.85 Cluster Jumlah anggota Cohesion Separation Semakin besar nilai cohesion (intracluster) menunjukkan kemiripan (similaritas) objek-objek tersebut semakin besar (Mali & Mitra, 1998). Semakin kecil nilai separation yang menggunakan persamaan similaritas maka perbedaan atau jarak suatu cluster dengan cluster lainnya semakin besar (Tan et al. 2006). Dengan demikian suatu cluster dikatakan baik jika nilai cohesion lebih besar dari nilai separation-nya. Dari Tabel 5 dapat dilihat bahwa algoritme ROCK memiliki nilai total cohesion 7.498,6 dan nilai separation Nilai separation lebih besar dibandingkan nilai cohesion-nya. Sedangkan dari Tabel 6 terlihat bahwa algoritme QROCK memili ki nilai cohesion ,3 dan nilai total separation 0. Nilai separation algoritme QROCK lebih kecil dibandingkan nilai cohesion-nya. Dengan demikian berdasarkan hasil penelitian ini, cluster yang dihasilkan algoritme QROCK lebih baik dibandingkan cluster yang dihasilkan algoritme ROCK. Ukuran Cluster dan Nilai Cohesion Nilai cohesion menentukan kualitas suatu cluster sementara ukuran cluster menentukan nilai total cohesion. Nilai cohesion menentukan kualitas suatu cluster karena dengan semakin tinggi nilai cohesion maka semakin baik kualitas suatu cluster. Ukuran cluster menentukan nilai total cohesion karena semakin banyak cluster yang terbentuk maka semakin sedikit anggota suatu cluster dan semakin sedikit pula nilai total cohesion-nya. Hubungan antar ukuran cluster dan nilai cohesion pada algoritme ROCK dapat dilihat pada Lampiran 3. Nilai total cohesion dan ukuran cluster pada nilai threshold 0.7 untuk algoritme ROCK dapat dilihat pada Tabel 7. Tabel 7 Nilai total cohesion dan ukuran cluster algoritme ROCK pada nilai threshold 0.6 Cluster Threshold Berdasarkan Tabel 7 dapat dilihat grafik nilai k terhadap nilai total cohesion pada Gambar 4. Gambar 4 Grafik nilai cohesion terhadap nilai k pada algoritme ROCK. Nilai total cohesion dan ukuran cluster pada algoritme QROCK dapat dilihat pada Lampiran 4. Nilai k terhadap total cohesion dari Lampiran 4 diplotkan pada grafik dalam Gambar 5. 11

20 kumpulan cluster sebagai sekumpulan komponen graf L (M.Dutta et al. 2005). Misalkan adalah jumlah cluster akhir graf L berdasarkan. Nilai dapat diambil pada rentang 0 sampai dengan 1, sedemikian sehingga nilai konstan. Sehingga jika maka nbrlist dari nbrlist, jumlah anggota cluster jumlah anggota Gambar 5 Grafik nilai cohesion terhadap nilai k pada algoritme QROCK. Dari grafik Gambar 4 dan 5 dapat disimpulkan bahwa semakin besar jumlah k maka semakin kecil nilai total cohesion-nya, hal ini disebabkan semakin banyak cluster mengakibatkan jumlah anggota suatu cluster semakin sedikit sehingga menyebabkan nilai total cohesion menjadi kecil. Perbandingan nilai cohesion terhadap ukuran cluster antara algoritme ROCK dan QROCK dapat dilihat pada Gambar 6. Gambar 6 Perbandingan nilai cohesion terhadap ukuran cluster untuk ROCK dan QROCK. Pada algoritme QROCK menurunnya nilai cohesion lebih dipengaruhi oleh nilai threshold dibandingkan oleh ukuran cluster karena ukuran clusternya ditentukan secara otomatis oleh algoritme QROCK berdasarkan nilai threshold yang ditentukan. cluster, cluster cluster (M.Dutta et al. 2005). Hubungan antar nilai threshold dan nilai cohesion pada algoritme ROCK dapat dilihat pada Tabel 8. Tabel 8 Hubungan antar nilai threshold dan nilai cohesion pada algoritme ROCK pada ukuran cluster tujuh Threshold Cluster Berdasarkan Tabel 8 dapat digambarkan grafik hubungan nilai threshold terhadap nilai total cohesion pada Gambar 7. Nilai Threshold dan Nilai Cohesion Nilai threshold pada algoritme ROCK menentukan kepadatan dari graf L (graf yang dibangkitkan oleh algoritme ROCK), sehingga menentukan hasil akhir algoritme ROCK. Pada saat nilai k tidak diberikan, algoritme ROCK akan berhenti secara otomatis dengan 12

21 Gambar 7 Grafik nilai threshold terhadap nilai cohesion pada algoritme ROCK. Pada algoritme QROCK, cluster akhir hanya ditentukan oleh nilai threshold sehingga proses algoritme dapat berhenti secara natural (M.Dutta et al 2005). Nilai total cohesion dan ukuran cluster pada algoritme QROCK dapat dilihat pada Lampiran 4. Nilai k terhadap total cohesion dari Lampiran 4 digambarkan pada grafik dalam Gambar 8. Gambar 8 Grafik nilai threshold terhadap nilai cohesion pada algoritme QROCK. Dari grafik Gambar 7 dan 8 dapat disimpulkan bahwa semakin besar nilai threshold maka semakin kecil nilai total cohesion-nya ini dikarenakan nilai nbrlist semakin kecil mengakibatkan jumlah anggota suatu cluster semakin sedikit sehingga menyebabkan nilai total cohesion menjadi kecil. Perbandingan nilai cohesion terhadap nilai threshold antara algoritme ROCK dan QROCK dapat dilihat pada Gambar 9. Gambar 9 Perbandingan nilai cohesion terhadap nilai threshold untuk ROCK dan QROCK. Mendeteksi Outlier Algoritme ROCK akan berhenti ketika : jumlah cluster yang diharapkan terpenuhi atau tidak ada lagi link diantara cluster-cluster-nya. Pada suatu kasus algoritme ROCK berhenti ketika tidak ada lagi link antar cluster-nya dikarenakan sudah tidak memiliki link yang tidak nol antara mereka, namun ketika kasus yang sama diproses oleh algoritme QROCK ternyata masih memiliki link antar clusternya. Teorema 1 : Jika cluster akhir hasil algoritme ROCK sudah tidak memiliki link yang tidak nol antara mereka maka cluster tersebut tidak lain adalah sebuah link graf L yang komponenkomponennya saling berhubung (M.Dutta et al. 2005). Pembuktian dari teorema tersebut ada dua yaitu : 1 Jika algoritme ROCK berhenti karena tidak ada lagi link yang tidak nol (global heap semuanya nol proses algoritme ROCK berhenti), maka cluster yang terbentuk merupakan komponen terhubung dari graf L. 2 Komponen terhubung tersebut sebenarnya adalah cluster itu sendiri yang merupakan hasil algoritme ROCK (M.Dutta et al. 2005). Pembuktian pertama terjadi pada saat nilai threshold 0.9 untuk kombinasi ukuran cluster dua sampai dengan 13 cluster yang terbentuk sebanyak 23 cluster. Hal tersebut dikarenakan tidak ada lagi link yang tidak nol maka algoritme ROCK menghasilkan secara otomatis 23 cluster. Pada algoritme QROCK 13

22 ketika nilai threshold 0.9 cluster yang terbentuk adalah 19 cluster, dimana data ke 14 masih dapat digabung dengan data ke 19, data ke 42 digabung dengan data ke 43, data ke 46 masih bisa digabung dengan data ke 47, dan data ke 18 digabung dengan data ke 27. Dari hasil penelitian tersebut terbukti bahwa algoritme QROCK dapat mendeteksi outlier pada algoritme ROCK. Perbandingan hasil cluster algoritme ROCK dan QROCK pada nilai threshold 0.9 dapat dilihat pada Lampiran 5. KESIMPULAN DAN SARAN Kesimpulan Pada penelitian ini dilakukan proses clustering menggunakan algoritme ROCK dan QROCK untuk data bunga karang (sponge). Percobaan clustering untuk algoritme ROCK dilakukan untuk ukuran cluster dua sampai 13 (k = 1 13) untuk masing masing ukuran cluster dilakukan percobaan dengan nilai threshold diambil pada selang 0 sampai 1 (0:0,1:1). Pada algoritme QROCK ukuran cluster akan dibangkitkan otomatis oleh algoritmenya, algoritme QROCK hanya membutuhkan nilai threshold untuk menghasilkan cluster. Percobaan cluster pada algoritme QROCK dilakukan berdasarkan variasi nilai threshold pada selang 0 sampai 1 (0:0,05:1). Algoritme QROCK terbukti lebih mudah dibandingkan algoritme ROCK karena tidak perlu menentukan ukuran dari cluster. Dari percobaan diperoleh hasil clustering terbaik untuk algoritme ROCK adalah clustering dengan ukuran cluster tujuh dan nilai threshold 0.6, memiliki nilai total cohesion 7.498,6 dan nilai separation Clustering terbaik untuk algoritme QROCK yaitu cluster berukuran enam dan nilai threshold Nilai total cohesion ,3 dan nilai total separation 0. Dilihat dari nilai cohesion dan separation algoritme ROCK memiliki nilai cohesion lebih kecil dibandingkan nilai separationnya. Sedangkan untuk algoritme QROCK nilai cohesion lebih besar dari pada nilai separationnya. Dengan demikian dapat disimpulkan algoritme QROCK lebih baik dibandingkan algoritme ROCK. Pada percobaan untuk nilai threshold 0.9 algoritme ROCK menghasilkan 23 cluster karena sudah tidak ada lagi nilai link yang tak nol, sedangkan pada algoritme QROCK dengan nilai threshold 0.9 dihasilkan 19 cluster. Dengan demikian dapat disimpulkan bahwa algoritme QROCK dapat mendeteksi outlier pada algoritme ROCK. Algoritme ROCK dan QROCK dapat digunakan untuk data kategorik, namun menurut hasil dari penelitian ini algoritme QROCK lebih baik dari pada algoritme ROCK. Saran Penelitian ini dapat dilanjutkan dengan menentukan klasifikasi taksonomi dari data sponge dari cluster-cluster yang telah dihasilkan. Perbandingan hasil clustering algoritme QROCK dapat dilakukan dengan algoritme lain yang berbeda base misal algoritme conceptual clustering yaitu COWEB dan ITERATE, sehingga dari perbandingan tersebut dapat diketahui algoritme mana yang lebih efektif digunakan untuk data kategorik. DAFTAR PUSTAKA Goharian & Grossman Introduction to Data Mining. Slide/DM-Introduction.pdf. [Juni 2008]. Guha S, Rajeev R, & Kyuseok S ROCK: A Robust Clustering Algorithm for Categorical Attributes. Proceedings of the IEEE International Conference on Data Engineering, Sydney, Maret Han J dan Kamber M Data Mining Concepts and Techniques Edisi Ke-2. San Francisco: Morgan Kaufmann Publisher. Huntsbergen Elemen of Statistical Inference. Edisi Ke-6. New York : Allyn and Balon, Inc. Kantardzic M Data Mining: Concepts, Model, Methods, and Algorithm. New Jersey: John Wiley & Sons inc. Mali K, Mitra S Clustering Validation In A Symbolic Framework. AG E/Fast.Clustering.pdf. [juli 2008]. M.Dutta, A.Kakoti M & Arun K QROCK : A Quick Version of the ROCK Algorithm for Clustering of Categorical Data. Proceedings of the 14

23 IEEE International Conference on Data Engineering, Tan P, Michael S, & Vipin K Introduction to Data Mining. Pearson Education, Inc. 15

24 LAMPIRAN

25 Lampiran 1 Keterangan anggota No Nama sponge 1 AAPTOS_AAPTOS 2 CLIONA_CARTERI 3 CLIONA_CELATA 4 CLIONA_LABYRINTHICA 5 CLIONA_SCHMIDTI 6 CLIONA_VIRIDIS 7 DIPLASTRELLA_BISTELLATA 8 LAXOSUBERITES_FERRERHERNANDEZI 9 LAXOSUBERITES_RUGOSUS 10 OXYCORDYLA_PELLITA 11 POLYMASTIA_AGGLUTINARIS 12 POLYMASTIA_ECTOFIBROSA 13 POLYMASTIA_FUSCA 14 POLYMASTIA_INFLATA 15 POLYMASTIA_INFRAPILOSA 16 POLYMASTIA_MAMMILLARIS 17 POLYMASTIA_MARTAE 18 POLYMASTIA_RADIOSA 19 POLYMASTIA_SPINULA 20 POLYMASTIA_TENAX 21 POLYMASTIA_TISSIERI 22 PROSUBERITES_EPIPHYTUM 23 PROSUBERITES_LONGISPINA 24 PROSUBERITES_RUGOSUS 25 PSEUDOSUBERITES_HYALINUS 26 PSEUDOSUBERITES_SULFUREUS 27 QUASILINA_INTERMEDIA 28 QUASILINA_RICHARDII 29 RHIZAXINELLA_BISETA 30 RHIZAXINELLA_ELONGATA 31 RHIZAXINELLA_PYRIFERA 32 RHIZAXINELLA_UNISETA 33 SPHAEROTYLUS_ANTARCTICUS 34 SPHAEROTYLUS_CAPITATUS 35 SPINULARIA_SPINULARIA 36 SPIRASTRELLA_CUNCTATRIX 37 SPIRASTRELLA_MINAX 38 SUBERITES_CAMINATUS 39 SUBERITES_CARNOSUS_V.INCRUSTANS 40 SUBERITES_CARNOSUS_V.RAMOSUS 41 SUBERITES_CARNOSUS_V.TYPICUS 43 SUBERITES_FICUS 42 SUBERITES_DOMUNCULA 44 SUBERITES_GIBBOSICEPS 45 TERPIOS_FUGAX 46 TETHYA_AURANTIUM 47 TETHYA_CITRINA 17

26 Lampiran 1 Lanjutan No Nama sponge 48 TIMEA_HALLEZI 49 TIMEA_MIXTA 50 TIMEA_STELLATA 51 TIMEA_UNISTELLATA 52 TRICHOSTEMA_HEMISPHAERICUM 53 WEBERELLA_BURSA 54 WEBERELLA_VERRUCOSA 18

27 Lampiran 2 Struktur dari 27 atribut non numeric, 15 atribut boolean, dan tiga atribut numeric No Atribut Non Numeric Atribut Boolean Atribut numeric 1 Lapisan Cortex Cortex Jumlah Papilas 2 Struktur Bagian Dalam Cortex Tiang Espiculas Dalam Panjang Megascleras Pompon di Cortex 3 Jenis Serat Cortex Tipe Akar Espicula Ketebalan Cortex Deactina 4 Bentuk Tangen Espiculas Dalam Jenis Tipe Espicula Cortex 5 Bagian Aneh Dalam Cortex Jenis Tipe Espiculas Ukuran 2 6 Penambahan Tilostilo Jenis Tipe Espiculas Tilostilo 7 Tipe Jumlah Megascleras Tipe Espiculas Estrongiloxa 8 Jenis Spicula Tipe Espiculas Tilostilo 9 Jenis Spicula Tilostilo Microscleras 10 Bentuk Dasar Tilostilo Aster 11 Bentuk Dasar Tilostilo Ectosomico Papilas 12 Bentuk Megasclera Ectosomica Tempat Tinggal Sementara 13 Tipe Megasclera Ectosomica Lapisan Tajam 14 Tipe Exostilo Peseudoraices 15 Bentuk Lapisan Tengah Megasclera Jenis Tipe Espiculas Oxas 16 Tipe Lapisan Tengah Megasclera 17 Tipe Microsclera 18 Diameter Esferaster 19 Tipe Aster 20 Tipe Diplaster 21 Tipe Esferaster 22 Bentuk Dasar 23 Bentuk Permukaan 24 Warna 25 Struktur Kerangka Espicular 26 Bentuk Lapisan 27 Susunan Megascleras Ectosilas Dalam Etosoma 19