ST DBSCAN merupakan singkatan dari spatio-temporal density-based clustering algorithm. Istilah ini merupakan bagian dari algoritma yang mampu melakukan pengolahan data spasial dan temporal. Hal tersebut merupakan bentuk penelitian yang diimplementasikan menggunakan bahasa pemrograman R.

Bahasa pemrograman R berarti perangkat lunak untuk komputasi statistik dan juga grafis. Bahasa pemrograman ini sering digunakan oleh para ahli statistik serta data mining dalam rangka mengembangkan perangkat lunak khusus untuk statistik dan analisis data. Proses yang terjadi dalam pengolahan data dengan metode tersebut sering disebut dengan clustering.

Metode algoritma ST DBSCAN termasuk salah satu metode clustering yang mampu mengolah data temporal dengan menggunakan nilai parameter jarak pada aspek spesial dan temporal. Metode algoritma ini memiliki sifat yang lebih fleksibel terhadap ukuran data yang besar. Hal ini dikarenakan metode tersebut merupakan teknik clustering yang berbasis kepadatan (Birant & Kut, 2007). R merupakan perangkat lunak yang sangat efektif dalam memvisualisasikan cluster serta membantu pengelolaan data beserta fasilitas penyimpanannya. Bahasa pemrograman ini bisa dikembangkan sesuai dengan kebutuhan.

Kelebihan

Proses pengembangan tadi bisa dilakukan dengan menambahkan fitur-fitur sesuai kebutuhan yang bersifat open source. Metode algoritma ST DBSCAN memiliki kelebihan dalam mengelompokkan data spatiotemporal sehingga bisa diperoleh pola keterkaitan dari hasil pengelompokan atau penggerombolan tersebut.

Metode ini bisa dibuat dalam periode waktu yang lama sehingga bisa dihasilkan data keteraturan. Data tersebut akan memuat sebuah periode waktu terjadinya pengelompokan dalam lokasi yang sama ataupun berbeda. Selain itu, akan diperoleh pula rata-rata jarak waktu dalam proses pengelompokan beserta jumlah anggota dalam pengelompokannya.

Kecepatan Pemrosesan Data

Metode algoritma ST DBSCAN menggunakan data 4822 hotspot sehingga waktu pemrosesan data yang dibutuhkannya bisa mencapai 6 jam lamanya. Hal tersebut bisa diatasi dengan menggunakan pemrosesan paralel yang sudah pernah dilakukan oleh Derya Birant sebagai penemu metode tersebut.

Metode ini memang merupakan lanjutan dari metode DBSCAN dengan proses pengelompokkan yang tidak selalu sama. Pada metode tersebut titik terluar memiliki jarak kurang dari Eps yang ada pada titik lain dan juga dipisahkan oleh variabel waktu. Sebuah penggerombolan besar pada metode DBSCAN bisa berubah menjadi penggolongan kecil jika dimasukkan pada metode ST DBSCAN.

Penggunaan

Metode ini digunakan dengan alasan untuk bisa melakukan proses otomatisasi penggerombolan atau pengelompokan agar memudahkan pengguna dalam mendapatkan informasi pengelolaan atau pengelompokkan. Kebutuhan operasional untuk penggunaan metode tersebut ialah lingkungan sistem operasi Microsoft Windows.

Singkatnya metode algoritma ST DBSCAN ini merupakan sebuah proses penggerombolan atau pengelompokan terhadap sebuah data khusus. Proses yang berlangsung sering disebut dengan clustering dengan durasi serta penggunaan bahasa pemrograman tertentu agar bisa mengimplementasikan metode ini sesuai dengan kebutuhan.