1. Data Preposessing
● Data cleaning,
● data transformation(simbol ke numerik);Z-
Score
● data reduction(pengurangan atribut);PCA
LANGKAH ANOMALY DETECTION
3. Cluster Labelling
● hasil cluster dari CP -> dihitung presentasi
data jenis mana yang lebih besar pada
cluster berdasarkan banyaknya data tiap
jenis secara keseluruhan.
LANGKAH ANOMALY DETECTION
3. Performance Measuring
hasil cluster dari CP -> dihitung presentasi
data jenis mana yang lebih besar pada
cluster berdasarkan banyaknya data tiap
jenis secara keseluruhan.
4.
5. Performance measuring
METHOD
Analisis
Kelebihan : Kekurangan:
1. nilai completeness dan 1. Tingkat akurasinya
FAR yang lebih baik masih rendah karena
2. computational time yang kesederhanaan dalam
lebih cepat metode.