Perlombongan data: kajian terhadap teknik-teknik untuk mengesan data tersisih

Abstract

Kualiti udara merupakan salah satu faktor utama yang mempengaruhi keadaan persekitaran di sesuatu kawasan. Bagi merekodkan data yang bersih dan berguna pada perlombongan data ia memerlukan kaedah yang sesuai. Oleh yang demikian, tujuan kajian ini dilaksanakan untuk mengenalpasti teknik terbaik untuk mengesan data tersisih pada data pencemaran udara di Victoria Institution pada tahun 2002. Perbandingan dilakukan pada kaedah yang berdasarkan kepada jarak (distance) iaitu teknik Manhanttan dan kaedah berdasarkan lencongan (deviation) iaitu teknik Graf Kawalan (Control Chart) dan teknik bermodelkan Regresi linear (Linear Regresion Model). Hasil daripada kajian yang dilakukan, data tersisih yang dikenalpasti melalui teknik Manhanttan adalah bergantung kepada nilai threshold yang ditetapkan iaitu semakin besar nilai threshold maka, bilangan data tersisih yang dihasilkan adalah lebih kecil. Manakala, bagi kaedah berdasarkan lencongan (deviation), teknik Graf Kawalan adalah lebih baik dibandingkan dengan teknik model Regresi Linear kerana data tersisih yang dikenalpasti melalui teknik Graf Kawalan lebih kecil daripada hasil teknik bermodelkan Regresi Linear.