2018 : Penggunaan Matriks Ketetanggaan Terdekat Terhadap Parameter Pengklasteran Berbasis Kepadatan Untuk Deteksi Penyimpangan Harga Saham

Prof. Dr.techn. Drs. Mohammad Isa Irawan M.T.
Alvida Mustika Rukmi S.Si, M.Si

External link

Type

RESEARCH

Keywords

-


Abstract

Pengklasteran berbasis kepadatan digunakan pada data yang bersifat multidimensi dengan melibatkan berbagai kategori data. Salah satu keunggulan pengklasteran berbasis kepadatan (density based clustering) adalah mendeteksi data noise ( outlier detection). Sifat kepadatan dalam proses pengklasteran data akan memudahkan dalam menentukan objek-objek data yang noise. Metode DBSCAN merupakan salah satu metode pengklasteran berbasis kepadatan yang mempunyai dua parameter yakni Eps dan MinPts. Nilai yang dimasukkan pada kedua parameter berperan dalam membentuk klaster-klaster. Kesulitan dalan menentukan nilai-nilai pada kedua parameter akan diatasi dengan penggunaan matriks ketetanggaan terdekat (Nearest Neighbor). Parameter k pada matriks ketetanggaan terdekat (k-NN) akan membentuk titik-titik plot yang digunakan untuk membantu menemukan nilai yang sesuai pada Eps di metoda DBSCAN. Kualitas hasil pengklasteran dengan metoda DBSCAN ditentukan oleh nilai-nilai parameternya. Semakin baik kualitas pengklasteran, akan memberikan hasil yang lebih akurat dalam pendeteksian data noise (outlier). Salah satu penggunaaan deteksi outlier adalah mengenali adanya manipulasi harga saham. Transaksi perdagangan saham dinyatakan sebagai objek data yang akan diklaster. Kejadian perdagangan saham yang menyimpang tidak termasuk dalam sebuah klaster, karena dianggap sebagai data noise (outlier). Kata Kunci : Pengklasteran berbasis kepadatan, DBSCAN, Outlier Detection, Manipulasi harga saham