Faktor pencilan setempat: Perbedaan antara revisi
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29187978; atribusi sumber disertakan. |
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi |
||
| Baris 1: | Baris 1: | ||
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. | Dalam [[deteksi anomali]], '''faktor pencilan setempat'''<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> (, disingkat LOF) adalah algoritma untuk mencari titik-titik data yang menyimpang (anomali) dengan mengukur simpangan setempat tiap titik data terhadap para tetangganya.<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> Algoritma ini diusulkan oleh Markus M. Breunig, Hans-Peter Kriegel, Raymond T. Ng, dan Jörg Sander pada tahun 2000. | ||
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. | 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.<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> | ||
== Penjelasan sederhana == | == Penjelasan sederhana == | ||
[[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.]] | |||
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]]. | 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]]. | ||
| Baris 10: | Baris 10: | ||
== Referensi == | == Referensi == | ||
<references /> | |||
== Sumber dan atribusi == | == Sumber dan atribusi == | ||
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. | 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. | ||
<!-- WIKI_UNISSULA_PRESENTATION_V4 --> | |||
Revisi terkini sejak 23 Agustus 2026 04.11
Dalam deteksi anomali, faktor pencilan setempat[1] (, disingkat LOF) adalah algoritma untuk mencari titik-titik data yang menyimpang (anomali) dengan mengukur simpangan setempat tiap titik data terhadap para tetangganya.[2] Algoritma ini diusulkan oleh Markus M. Breunig, Hans-Peter Kriegel, Raymond T. Ng, dan Jörg Sander pada tahun 2000.
LOF menggunakan konsep yang sama dengan DBSCAN dan OPTICS, yaitu konsep "jarak inti" dan "jarak keterjangkauan" yang sering dipakai dalam perkiraan kerapatan setempat.[3]
Penjelasan sederhana
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.
Kerapatan setempat diperkirakan dengan menghitung jarak suatu titik yang dapat "dijangkau" dari para tetangganya.
Referensi
- ↑ Pusat Bahasa. Glosarium. Departemen Pendidikan Nasional.
- ↑ M. M. Breunig. 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.
- ↑ M. M. Breunig. 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.
Sumber dan atribusi
Konten artikel ini diadaptasi dari 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.