https://wiki.unissula.ac.id/index.php?action=history&feed=atom&title=Faktor_pencilan_setempat
Faktor pencilan setempat - Riwayat revisi
2026-09-16T02:33:43Z
Riwayat revisi halaman ini di wiki
MediaWiki 1.46.0
https://wiki.unissula.ac.id/index.php?title=Faktor_pencilan_setempat&diff=1063&oldid=prev
Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi
2026-08-23T04:11:34Z
<p>Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi</p>
<table style="background-color: #fff; color: #202122;" data-mw-interface="">
<col class="diff-marker" />
<col class="diff-content" />
<col class="diff-marker" />
<col class="diff-content" />
<tr class="diff-title" lang="id">
<td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Revisi sebelumnya</td>
<td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Revisi per 23 Agustus 2026 04.11</td>
</tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1">Baris 1:</td>
<td colspan="2" class="diff-lineno">Baris 1:</td></tr>
<tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>Dalam [[deteksi anomali]], '''faktor pencilan setempat''' (, disingkat LOF) adalah algoritma untuk mencari titik-titik data yang menyimpang (anomali) dengan mengukur simpangan setempat tiap titik data terhadap para tetangganya. Algoritma ini diusulkan oleh Markus M. Breunig, Hans-Peter Kriegel, Raymond T. Ng, dan Jörg Sander pada tahun 2000.</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>Dalam [[deteksi anomali]], '''faktor pencilan setempat'''<ins style="font-weight: bold; text-decoration: none;"><ref>Pusat Bahasa. [http://bahasasastra.kemdikbud.go.id/glosarium/index.php?gloss_asing=outlier&gloss_indonesia=&jenis=contain&Bidang=all&infocmd=Cari Glosarium]. Departemen Pendidikan Nasional.</ref> </ins>(, disingkat LOF) adalah algoritma untuk mencari titik-titik data yang menyimpang (anomali) dengan mengukur simpangan setempat tiap titik data terhadap para tetangganya.<ins style="font-weight: bold; text-decoration: none;"><ref>M. M. Breunig. [http://www.dbs.ifi.lmu.de/Publikationen/Papers/LOF.pdf LOF: Identifying Density-based Local Outliers]. ''Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data''. 2000. doi:10.1145/335191.335388. ISBN 1-5811-3217-4.</ref> </ins>Algoritma ini diusulkan oleh Markus M. Breunig, Hans-Peter Kriegel, Raymond T. Ng, dan Jörg Sander pada tahun 2000.</div></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr>
<tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>LOF menggunakan konsep yang sama dengan [[Algoritme DBSCAN|DBSCAN]] dan [[Algoritme OPTICS|OPTICS]], yaitu konsep "jarak inti" dan "jarak keterjangkauan" yang sering dipakai dalam perkiraan kerapatan setempat.</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>LOF menggunakan konsep yang sama dengan [[Algoritme DBSCAN|DBSCAN]] dan [[Algoritme OPTICS|OPTICS]], yaitu konsep "jarak inti" dan "jarak keterjangkauan" yang sering dipakai dalam perkiraan kerapatan setempat.<ins style="font-weight: bold; text-decoration: none;"><ref>M. M. Breunig. [http://www.dbs.ifi.lmu.de/Publikationen/Papers/PKDD99-Outlier.pdf Principles of Data Mining and Knowledge Discovery]. 1999. Vol. 1704. doi:10.1007/978-3-540-48247-5_28. ISBN 978-3-5406-6490-1.</ref></ins></div></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== Penjelasan sederhana ==</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== Penjelasan sederhana ==</div></td></tr>
<tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div> </div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;">[[Gambar:LOF-idea.svg|jmpl|right|250px|Secara sederhana, LOF membandingkan kerapatan setempat suatu titik dengan kerapatan setempat para tetangganya. Titik ''A'' memiliki kerapatan yang lebih rendah daripada para tetangganya.]]</ins></div></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Faktor pencilan setempat menggunakan konsep kerapatan setempat (kerapatan lokal), yaitu jarak ke ''k'' tetangga terdekat dipakai untuk memperkirakan kerapatannya. Dengan membandingkan kerapatan setempat suatu titik dengan kerapatan setempat para tetangganya, kita dapat menentukan wilayah yang memiliki kerapatan yang mirip dan titik-titik yang memiliki kerapatan yang lebih rendah daripada para tetangganya. Titik-titik itulah yang disebut sebagai [[Pencilan (statistika)|pencilan]].</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Faktor pencilan setempat menggunakan konsep kerapatan setempat (kerapatan lokal), yaitu jarak ke ''k'' tetangga terdekat dipakai untuk memperkirakan kerapatannya. Dengan membandingkan kerapatan setempat suatu titik dengan kerapatan setempat para tetangganya, kita dapat menentukan wilayah yang memiliki kerapatan yang mirip dan titik-titik yang memiliki kerapatan yang lebih rendah daripada para tetangganya. Titik-titik itulah yang disebut sebagai [[Pencilan (statistika)|pencilan]].</div></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr>
<tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l10">Baris 10:</td>
<td colspan="2" class="diff-lineno">Baris 10:</td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== Referensi ==</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== Referensi ==</div></td></tr>
<tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div> </div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;"><references /></ins></div></td></tr>
<tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div> </div></td><td colspan="2" class="diff-side-added"></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== Sumber dan atribusi ==</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== Sumber dan atribusi ==</div></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr>
<tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Faktor+pencilan+setempat&oldid=29187978 Wikipedia bahasa Indonesia], revisi 29187978 (2026-05-02T15:36:13Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Faktor+pencilan+setempat&oldid=29187978 Wikipedia bahasa Indonesia], revisi 29187978 (2026-05-02T15:36:13Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.</div></td></tr>
<tr><td colspan="2" class="diff-side-deleted"></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;"></ins></div></td></tr>
<tr><td colspan="2" class="diff-side-deleted"></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;"><!-- WIKI_UNISSULA_PRESENTATION_V4 --></ins></div></td></tr>
</table>
Maintenance script
https://wiki.unissula.ac.id/index.php?title=Faktor_pencilan_setempat&diff=663&oldid=prev
Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29187978; atribusi sumber disertakan.
2026-08-23T03:40:20Z
<p>Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29187978; atribusi sumber disertakan.</p>
<p><b>Halaman baru</b></p><div>Dalam [[deteksi anomali]], '''faktor pencilan setempat''' (, disingkat LOF) adalah algoritma untuk mencari titik-titik data yang menyimpang (anomali) dengan mengukur simpangan setempat tiap titik data terhadap para tetangganya. Algoritma ini diusulkan oleh Markus M. Breunig, Hans-Peter Kriegel, Raymond T. Ng, dan Jörg Sander pada tahun 2000.<br />
<br />
LOF menggunakan konsep yang sama dengan [[Algoritme DBSCAN|DBSCAN]] dan [[Algoritme OPTICS|OPTICS]], yaitu konsep "jarak inti" dan "jarak keterjangkauan" yang sering dipakai dalam perkiraan kerapatan setempat.<br />
<br />
== Penjelasan sederhana ==<br />
<br />
Faktor pencilan setempat menggunakan konsep kerapatan setempat (kerapatan lokal), yaitu jarak ke ''k'' tetangga terdekat dipakai untuk memperkirakan kerapatannya. Dengan membandingkan kerapatan setempat suatu titik dengan kerapatan setempat para tetangganya, kita dapat menentukan wilayah yang memiliki kerapatan yang mirip dan titik-titik yang memiliki kerapatan yang lebih rendah daripada para tetangganya. Titik-titik itulah yang disebut sebagai [[Pencilan (statistika)|pencilan]].<br />
<br />
Kerapatan setempat diperkirakan dengan menghitung jarak suatu titik yang dapat "dijangkau" dari para tetangganya.<br />
<br />
== Referensi ==<br />
<br />
<br />
<br />
== Sumber dan atribusi ==<br />
<br />
Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Faktor+pencilan+setempat&oldid=29187978 Wikipedia bahasa Indonesia], revisi 29187978 (2026-05-02T15:36:13Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.</div>
Maintenance script