Modifikasi DBSCAN (Density-Based Spatial Clustering with Noise) Pada Objek 3 Dimensi

Abstract

Spatial Data Clustering merupakan salah satu teknik penting pada data mining yang digunakan untuk mendapatkan informasi atau pengetahuan pada data spasial dalam jumlah yang besar dari berbagai aplikasi. Salah satu teknik yang menjadi pelopor perkembangan algoritma clustering pada data spasial adalah Density-Based Spatial Clustering Algorithm with Noise (DBSCAN). Pada umumnya algoritma ini diaplikasikan pada data-data spasial pada objek 2 dimensi. Pada paper ini akan dibahas bagaimana melakukan clustering pada objek 3 dimensi berdasarkan density antar objek. Hasil percobaan yang didapatkan adalah dengan memodifikasi untuk mendapatkan fungsi region distance maka algoritma DBSCAN dapat diaplikasikan pada objek 3D dengan hasil yang optimal. Tidak terdapat perubahan signifikan mulai dari tahap-tahap algoritma dan performa algoritma DBSCAN pada Object 3D.