Kelompokkan Data 3 dengan menggunakan DBSCAN dengan parameter input MinPts= 3 dan Eps

Data X Y MinPts 3
M1 0 0 Eps 1
M2 1 0
M3 1 1
M4 2 2
M5 3 1
M6 3 0
M7 0 1
M8 3 2
M9 6 3
ter input MinPts= 3 dan Eps =1. Visualisasikan hasil cluster yang diperoleh.

Iterasi 1 M3 sebagai pusat

Jarak Hasil 3.5

M1,M3 1.4142135623731 3

M2,M3 1 2.5
2
M3,M3 0
1.5
M4,M3 1.4142135623731
M5,M3 2
1 M3
0.5
M6,M3 2.2360679775
0
M7,M3 1 0 1 2 3 4 5 6 7

M8,M3 2.2360679775
M9,M3 5.3851648071345

Iterasi 2 M7 sebagai pusat

Jarak Hasil 3.5
M1,M7 1
3
M2,M7 1.4142135623731
2.5
M3,M7 1
M4,M7 2.2360679775 2

M5,M7 3 1.5
M6,M7 3.162277660168 1 M3
M7,M7 0 0.5
M8,M7 3.162277660168
0
M9,M7 6.324555320337 0 1 2 3 4 5 6 7

Iterasi 3 M1 sebagai pusat

Jarak Hasil
3.5
M1,M1 0
M2,M1 1 3
M3,M1 1.4142135623731 2.5
M4,M1 2.828427124746 2
M5,M1 3.162277660168 1.5
M6,M1 3
M7,M1 1
1 M3
0.5
M8,M1 3.605551275464
M9,M1 6.708203932499 0
0 1 2 3 4 5 6 7
Iterasi 4 M5 sebagai pusat
Jarak Hasil
3.5
M1,M5 3.162277660168
M2,M5 2.2360679775 3

M3,M5 2 2.5
M4,M5 1.4142135623731 2
M5,M5 0 1.5
M6,M5 1
M7,M5 3
1 M3
0.5
M8,M5 1
M9,M5 3.605551275464 0
0 1 2 3 4 5 6 7

Iterasi 5 M8 sebagai pusat

Jarak Hasil
3.5
M1,M8 3.605551275464
M2,M8 2.828427124746 3
M3,M8 2.2360679775 2.5
M4,M8 1 2
M5,M8 1 1.5
M6,M8 2
M7,M8 3.162277660168
1 M3
0.5
M8,M8 0
M9,M8 3.162277660168 0
0 1 2 3 4 5 6 7

Iterasi 6 M9 sebagai pusat

Jarak Hasil
3.5
M1,M9 6.708203932499
M2,M9 5.8309518948453 3
M3,M9 5.3851648071345 2.5
M4,M9 4.123105625618 2
M5,M9 3.605551275464 1.5
M6,M9 4.242640687119
M7,M9 6.324555320337
1 M3
0.5
M8,M9 3.162277660168
M9,M9 0 0
0 1 2 3 4 5 6 7

Kesimpulan : Dari hasil iterasi didapat 2 cluster

Cluster 1 M1,M2,M3,M7
Cluster 2 M4, M5, M6, M8
Noise M9