2.6. Spatial Data mining SDM
Spatial data mining merupakan salah satu proses yang digunakan dalam melakukan analisis terhadap data spasial. Spatial Data Mining SDM merupakan
proses menemukan sesuatu yang menarik yang sebelumnya tidak diketahui, tetapi memiliki potensi yang besar dan bermanfaat dari data spasial yang besar Roddick
Spiliopoulou 1999; Shekhar Chawla 2003. Tujuan dari SDM adalah menemukan pola atau informasi yang tersembunyi dan berguna dari basis data
spasial Leung 2010.
2.7. Spatiotemporal Data
Data spatiotemporal diindek dan diambil sesuai dengan dimensi ruang dan waktu. Periode waktu yang melekat pada data spasial yang berlaku dan disimpan
dalam basis data yang valid Birant Kut 2007.
A AB
B Ruang
t1 t2
tn Waktu
Perubahan
Gambar 3 Ilustrasi perubahan data spatiotemporal Rahim 2006 Menurut Rahim 2006 data spatiotemporal dalam kenyataannya
merupakan data spasial yang berubah seiring waktu. Gambar 3 merupakan ilustrasi perubahan objek A menjadi AB dan B dalam waktu t1 ke tn. Data
spatiotemporal merupakan rangkaian perubahan data spasial yang akan terjadi hingga waktu ke n dan pergerakan lokasi geografis geographic movement.
Informasi geografis terdiri dari informasi ruang, atribut, dan waktu. Ruang mendeskripsikan lokasi dan bentuk. Atribut mendeskripsikan tipe fitur, nama dan
informasi lain yang berhubungan. Waktu mendeskripsikan perilaku perubahan dan
selalu berhubungan dengan perubahan geografis. Sehingga ruang dan atribut memiliki hubungan dengan waktu.
2.8. Penggerombolan Spasial
Penggerombolan merupakan proses penggolongan data ke dalam kelas atau clustering, sehingga objek di dalam suatu penggerombolan memiliki tingkat
persamaan lebih tinggi dari pada objek yang terdapat pada penggerombolan yang lain Han Kamber 2006. Metode ini akan membentuk data menjadi k grup
partisi dengan persyaratan minimal memiliki satu anggota pada setiap grup dan setiap objek pada basis data harus berada dalam satu grup partisi.
Penggerombolan spasial dapat diterapkan pada sekelompok objek spasial yang serupa secara bersama-sama, dengan asumsi implisit bahwa pola cenderung
dikelompokkan dalam ruang dibandingkan dengan pola acak. Sebagai fungsi dari data mining, penggerombolan spasial dapat digunakan sebagai alat yang berdiri
sendiri untuk mendapatkan wawasan tentang distribusi data, mengamati karakteristik setiap penggerombolan, dan fokus pada kelompok penggerombolan
tertentu untuk analisis lebih lanjut Han et al. 2001. Segmentasi atau penggerombolan melibatkan partisi satu kumpulan data
yang dipilih ke dalam kelompok yang bermakna atau kelas. Proses pengelompokan dapat mengakibatkan partisi yang berbeda pada suatu data,
tergantung pada kriteria khusus yang digunakan untuk penggerombolan. Jadi sebelum melakukan penggerombolan dibutuhkan praproses dalam satu kumpulan
data. Langkah-langkah dasar untuk proses penggerombolan disajikan Gambar 4 Fayyad et al. 1996.
Gambar 4 Tahapan proses penggerombolan Fayyad et al. 1996.