Critical Review Evaluation Of Agglomerative Hierarchical Clustering Method1. PendahuluanTulisan ini adalah critical review untuk penelitian pustaka tentang Eval-

uation Of Agglomerative Hierarchical Clustering Method Min-Tang Li, Ph.D, sebagai tugas mata kuliah Data Mining yang disusun oleh Agus Herawan (G651130714). Penelitian pustaka mengambil latar belakang mengenai usulanpengelompokan berdasarkan clustering pada data time series

2. RingkasanMakalah ini menjelaskan temuan dari evaluasi kinerja metode klastering

hirarki agglomerative untuk menentukan kelompok faktor musiman. Kelom-pok faktor musiman biasanya ditentukan dengan analisis klaster tradisionalyang didasarkan pada berbagai tindakan kesamaan. Metode hirarki agglom-erative menggabungkan situs pemantauan lalu lintas telemetri (TTMSs) men-jadi kelompok-kelompok sesuai dengan kesamaan mereka. Berbagai tindakankesamaan dapat digunakan dalam analisis cluster. Penelitian ini mengeval-uasi total delapan metode agglomerative clustering: metode rata-rata linkage,metode centroid, metode EML, metode �eksibel-beta, metode analisis kesamaanMcQuitty ini, metode median, metode single linkage, dan metode minimum-variance Ward. Data Multi-tahun dikumpulkan antara tahun 1997 dan 2000dari 21 TTMSs di Florida Departemen Perhubungan (FDOT) Distrik 4 yangdigunakan dalam penelitian ini. The Pseudo F (PSF) statistik dipekerjakansebagai kriteria untuk menentukan jumlah cluster. Keterkaitan, massa, danmetode single linkage rata-rata yang ditemukan lebih kuat untuk outlier dari-pada metode lain. Penelitian ini juga menemukan bahwa metode McQuittyini (MCQ) dilakukan lebih baik daripada metode lain pengelompokan TTMSssetelah outlier dihilangkan. Ketika metode MCQ diterapkan untuk menganali-sis data historis yang dikumpulkan antara tahun 1997 dan 1999, TTMSs tidakkonsisten ditugaskan untuk kelompok cluster yang sama di tahun. Jalan kelasfungsional ditemukan tidak signi�kan dalam menentukan kelompok musiman,sementara lokasi spasial merupakan faktor yang lebih signi�kan karena TTMScenderung mengelompok dengan orang-orang dalam kedekatannya. Makalah initelah menggariskan prosedur yang memungkinkan praktisi untuk membangunkelompok faktor musiman dari situs TTMS. Berdasarkan data dari FDOT Dis-trik 4, statistik PSF ditemukan menjadi ukuran yang baik untuk menentukanjumlah cluster setelah mungkin outlier dikeluarkan. Outliers perlu dipelajarilebih lanjut untuk menyelidiki kemungkinan penyebab / pola lalu lintas merekaunik bulanan mingguan. Perlu dicatat bahwa kesimpulan dari penelitian initidak bisa digeneralisasi untuk semua daaerah lain di Florida atau negara-negaralain karena mereka ditarik hanya didasarkan pada kondisi arus lalu lintas darikawasan tertentu di Florida. Penelitian serupa dapat dilakukan di daerah lainuntuk menentukan kekokohan prosedur evaluasi yang telah digunakan dalampenelitian ini.

3. KritikDalam makalah ini, penulis telah memberikan penjelasana bagaimana teknik

yang dipakai dalam mengklasterkan data tra�c di Florida. Latar belakang yangdiangkatpun pada dasarnya baik dan mudah dipahami, sehingga pembaca akan

1

mudah mengikuti alur yang telah dibuat oleh penyusun walaupun, ada sedikitkekurangan yakni tidak adanya keterangan mengenai data set sehingga pembacatidak bisa membayangkan bagaimana penerapannya ke tema yang akan dikem-bangkan.. Secara garis besar tidak ada masalah dalam sistematika penulisankarena, pada dasarnya penyusun mampu menyajikannya dengan baik.

4. KesimpulanSecara keseluruhan, dapat diambil beberapa simpulan dari tulisan tersebut.

Pertama, tujuan penulis baik terhadap pembaca sudah dikemukakan. Kedua,penulis belum mengemukakan beberap pendekatan dan teknik data mining didalam paper ini.

2