Teknik Spatial Data Mining

kombinasi atribut non-spasial, atribut spasial, dan kedekatan obyek dalam ruang, waktu dan ruang-waktu. Association Rules Teknik ini bertujuan menemukan hubungan diantara atribut-atribut dalam sebuah relasi. Dalam konteks spasial, association rule melibatkan predikat spasial topologi, jarak atau arah dalam preseden atau anteseden-nya. Sebagai contoh rules dinyatakan dalam bentuk is_close house, beach Æ is_expensivehouse yang bermakna rumah yang dekat dengan pantai mungkin harganya mahal. Disamping teknik classification, clustering dan association rules di atas, Miller dan Han 2001 menyebutkan beberapa teknik lain yaitu : • Outlier Detection, obyek spasial yang tidak masuk ke dalam kluster manapun disebut pencilan outlier. Jadi outlier detection adalah masalah kebalikan dari clustering. • Spatial Trend Detection, teknik ini melibatkan pencarian pola perubahan dengan memperhatikan tetangga dari beberapa obyek spasial. • Geographic Characterization and Generalization , teknik ini menghasilkan deskripsi ringkas data berupa summary rules atau characteristics rule. Dalam data mining klasik non-spasial, metode yang handal untuk menghasilkan summary rules adalah metode induksi berorientasi atribut attribute-oriented induction.

2.7. Karakterisasi Spasial

Spatial association rule dinyatakan dalam bentuk: P 1 ………. P m Æ Q 1 ……….Q n c Dimana paling tidak satu dari predikat P1, …. , P m , Q 1, …., Q n adalah predikat spasial dan c adalah confidence yang mengindikasikan bahwa c obyek yang memenuhi anteseden juga memenuhi konsekuen dari rule. Untuk mengatasi keterbatasan tersebut, Ester et al. 2001 mendefinisikan karakterisasi spasial spatial characterization dari sekumpulan obyek target terhadap basisdata tempat obyek tersebut tersimpan sebagai “deskripsi dari sifat spasial dan non-spasial yang serupa bagi obyek target, tetapi bukan untuk keseluruhan basisdata a description of the spatial and non-spatial properties which are typical for the target objects, but not for the whole database ”. Sifat yang menjadi perhatian adalah frekuensi relatif nilai atribut non-spasial dan frekuensi relatif tipe obyek yang berbeda. Perbedaan frekuensi relatif dalam basisdata dengan frekuensi relatif dalam daerah target diperlihatkan pada Gambar 4. Gambar 4. Frekuensi sampel dan perbedaannya Atribut spasial dan non-spasial digambarkan dalam Gambar 5. Gambar 5. Atribut spasial dan non-spasial