Faktor pencilan setempat
Artikel ini sebatang kara, artinya tidak ada artikel lain yang memiliki pranala balik ke halaman ini. Bantulah menambah pranala ke artikel ini dari artikel yang berhubungan atau coba peralatan pencari pranala. Tag ini diberikan pada Oktober 2022. |
Dalam deteksi anomali, faktor pencilan setempat[1] (bahasa Inggris: local outlier factor, disingkat LOF) adalah algoritme untuk mencari titik-titik data yang menyimpang (anomali) dengan mengukur simpangan setempat tiap titik data terhadap para tetangganya.[2] Algoritme 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
[sunting | sunting sumber]![](http://upload.wikimedia.org/wikipedia/commons/thumb/4/4e/LOF-idea.svg/250px-LOF-idea.svg.png)
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
[sunting | sunting sumber]- ^ Pusat Bahasa. "Glosarium". Departemen Pendidikan Nasional. Diarsipkan dari versi asli tanggal 2023-07-17. Diakses tanggal 2020-12-03.
- ^ Breunig, M. M.; Kriegel, H.-P.; Ng, R. T.; Sander, J. (2000). LOF: Identifying Density-based Local Outliers (PDF). Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data. SIGMOD. hlm. 93–104. doi:10.1145/335191.335388. ISBN 1-5811-3217-4.
- ^ Breunig, M. M.; Kriegel, H.-P.; Ng, R. T.; Sander, J. R. (1999). "OPTICS-OF: Identifying Local Outliers" (PDF). Principles of Data Mining and Knowledge Discovery. Lecture Notes in Computer Science. 1704. hlm. 262. doi:10.1007/978-3-540-48247-5_28. ISBN 978-3-5406-6490-1. Diarsipkan (PDF) dari versi asli tanggal 2022-02-11. Diakses tanggal 2020-12-03.