1. Critical Review Clustering Of Time Series Data
1. Pendahuluan
Tulisan ini adalah critical review untuk penelitian pustaka tentang Cluster-
ing Of Time Series Data yang ditulis oleh T. Waren Liao tahun 2012, sebagai
tugas mata kuliah Data Mining yang disusun oleh Agus Herawan ( G651130714).
Penelitian pustaka mengambil latar belakang mengenai usulan pengelompokan
berdasarkan clustering untuk mendeteksi outlier.
2. Ringkasan
Pengelompokan time series telah terbukti efektif dalam memberikan infor-
masi yang berguna dalam berbagai domain. Ada tampaknya menjadi pen-
ingkatan minat pengelompokan time series sebagai bagian dari upaya dalam
penelitian data mining temporal. Untuk memberikan gambaran, ini survei ker-
tas dan merangkum karya-karya sebelumnya yang menyelidiki pengelompokan
data time series dalam berbagai aplikasi domain. Dasar-dasar pengelompokan
time series disajikan, termasuk algoritma klasterisasi tujuan umum yang biasa
digunakan dalam waktu studi pengelompokan seri, kriteria untuk mengevalu-
asi kinerja dari hasil clustering, dan langkah-langkah untuk menentukan ke-
samaan / ketidaksamaan antara dua time series yang dibandingkan, baik dalam
bentuk data mentah, diekstraksi tur, atau beberapa parameter model. Para
peneliti masa lalu telah akan disusun dalam tiga kelompok tergantung pada
apakah mereka bekerja langsung dengan data mentah baik dalam waktu atau
frekuensi domain, secara tidak langsung dengan tur yang diekstraksi dari data
mentah, atau secara tidak langsung dengan model dibangun dari data men-
tah. Keunikan dan keterbatasan penelitian sebelumnya dibahas dan beberapa
mungkin topik untuk penelitian di masa depan diidentikasi. Selain itu, daerah
yang pengelompokan time series telah diterapkan untuk juga diringkas, terma-
suk sumber-sumber data yang digunakan. Diharapkan bahwa ulasan ini akan
berfungsi sebagai batu loncatan bagi mereka yang tertarik dalam memajukan
bidang penelitian. Dalam tulisan ini survei penelitian terbaru pada subjek pen-
gelompokan time series. Studi-studi ini diatur menjadi tiga kategori utama
tergantung pada apakah mereka bekerja secara langsung dengan data asli (baik
dalam waktu atau frekuensi domain), secara tidak langsung dengan tur diek-
strak dari data mentah, atau tidak langsung dengan model dibangun dari data
baku . Dasar-dasar pengelompokan time series, termasuk tiga komponen kunci
dari waktu studi pengelompokan seri disorot dalam survei ini: algoritma clus-
tering, kesamaan / ketidaksamaan ukuran, dan kriteria evaluasi.
3. Kritik
Dalam makalah ini, penulis seharusnya sedikit memberikan penjelasan men-
genai penerapan teknik clustering ke dalam sebuah kasus, karena pembaca san-
gat awam dengan penerapannya dalam teknik ini . Latar belakang yang di-
angkatpun pada dasarnya baik dan mudah dipahami, sehingga pembaca akan
mudah mengikuti alur yang telah dibuat oleh penyusun walaupun, ada sedikit
kekurangan dalam pembuatan tinjauan pustaka. Secara garis besar tidak ada
masalah dalam sistematika penulisan karena, pada dasarnya penyusun mampu
menyajikannya dengan baik. Algoritma dan formula dalam paper ini susah
sangat bagus, Judul yang diberikan sesuai dengan tujuan program namun ku-
1

2. rang sesuai dengan topik besar yang dibahas oleh penyusun, sehingga perlu
selektif lagi pemilihan judul. Dalam bagian hasil eksperimen, penulis belum
memberikan sampel data set terutama pada algoritma DTW, sehingga pem-
baca kebingungan dalam menerapkan dalam kasus sehari-hari
4. Kesimpulan
Secara keseluruhan, dapat diambil beberapa simpulan dari tulisan tersebut.
Pertama, tujuan penulis baik terhadap pembaca sudah dikemukakan. Kedua,
penulis juga telah mengemukakan beberap pendekatan dan teknik clustering di
dalam paper ini. Walaupun, penulis belum mengemukakan proses mendapatkan
data set yang telah terdeteksi outliernya, tetapi tulisan ini akan sangat berguna
bagi pembaca yang akan mempelajari cara pengelompokkan data data yang
akan dijadikan clustering nantinya
2