Main Article Content
Abstract
Data Mining adalah proses pencarian pola-pola dan kecenderungan yang menarik dari dalam basis data berukuran
besar. Sebuah outlier didefinisikan sebagai sebuah titik data pada suatu data set dimana sangat berbeda
dibandingkan dengan titik data pada data set pada umumnya dengan suatu ukuran tertentu. Outlier ini walaupun
mempunyai kelakuan yang abnormal, seringkali mengandung informasi yang sangat berguna. Permasalahan deteksi
outlier ini mempunyai peran yang sangat penting pada aplikasi deteksi kecurangan, analisis kekuatan jaringan dan
deteksi intrusi. Pencarian outlier biasanya dengan konsep keterdekatan berdasarkan hubungannya dengan sisa data
yang ada. Pada data berdimensi tinggi, kepadatan data akan semakin berkurang, akibatnya dugaan akan
keterdekatan antar data menjadi gagal.Pada makalah ini akan dilakukan perbandingan metode dalam pencarian
suatu outlier dalam data berdimensi tinggi. Metode yang akan dibandingkan yaitu: Clustering-based, Distancebased,
dan Density-based. Dimana masing-masing metode telah mendukung data berdimensi tinggi.
Kata Kunci : data mining, outlier, deteksi outlier, metode deteksi outlier.