Oktober 2021 - Konsultan Analis Data Penelitian dan Peta Digital

Mengenal Algoritma DBSCAN Dan Manfaatnya

Dalam mengolah sebuah data, perlu digunakan berbagai metode yang sesuai agar data tersebut bisa menyimpulkan atau memberikan hasil yang sesuai dengan kebutuhan. Ada berbagai metode pengolahan data dengan sistem dan algoritma berbeda yang bisa membantu mempermudah proses pengolahan data.

Salah satu algoritma yang cukup membantu dalam proses pengolahan data adalah algoritma DBSCAN. DBSCAN sendiri merupakan singkatan dari density-based spatial clustering of application with noise. Seperti namanya, algoritma ini menggunakan sebuah metode clustering berbasis density atau density based.

Clustering sendiri merupakan proses yang bertujuan untuk membagi data ke dalam kelompok tertentu berdasarkan kategori atau tingkat kemiripan data. Clustering sendiri biasa digunakan untuk mengolah data dalam berbagai bidang seperti segmentasi pasar, data spatial, serta clustering profiling.

Seperti disebutkan sebelumnya, DBSCAN merupakan algoritma yang menggunakan clustering berbasis density atau kepadatan. Algoritma DBSCAN banyak digunakan pada data yang mengandung banyak noise atau gangguan. DBSCAN cenderung memisahkan data yang mengandung noise agar tidak bercampur dengan cluster apapun yang ada dalam data.

Untuk melakukan pengolahan data yang dibutuhkan, DBSCAN akan membutuhkan beberapa parameter input diantaranya :

Epsilon (EPS)
Minimum points (minPts)
Directly density-reachable
Density-reachable
Core point
Border point
Outlier / noise point

Parameter-parameter diatas memberikan pengaruh yang sangat besar terhadap hasil pengolahan data atau hasil clustering. Setiap perubahan yang terjadi pada parameter yang digunakan bisa memberikan perbedaan hasil yang cukup besar pada metode algoritma DBSCAN yang digunakan.

Metode DBSCAN biasa digunakan untuk menghitung atau mengelola data yang membutuhkan pembagian kelompok secara rinci. Beberapa contoh data yang dikelola menggunakan data ini diantaranya data analisis titik kebakaran, serta analisis lokasi dampak bencana.

Metode DBSCAN sering dibandingkan dengan algoritma K-means, namun perbedaan kedua metode ini terletak pada jumlah cluster inputan yang dibutuhkan. Metode DBSCAN hanya membutuhkan epsilon dan minPts untuk mengelola data cluster yang dibutuhkan.

Metode DBSCAN memiliki keunggulan berupa performa untuk menangkap cluster yang memiliki beragam bentuk. Namun sayangnya metode ini kurang cocok digunakan pada data dengan tingkat kerapatan yang beragam. Metode DBSCAN juga kurang cocok digunakan pada data dengan dimensi yang terlalu besar.

Untuk menghasilkan clustering yang dibutuhkan, maka sebaiknya metode ini dilakukan oleh pengguna yang sudah benar-benar memahami seluk beluk metode ini dengan baik. Hal ini perlu dilakukan untuk menghindari terjadinya error pada data yang diolah.

Selama menggunakan metode algoritma DBSCAN untuk menganalisis clustering, data yang diolah bisa saja mengalami kerusakan sehingga sangat penting untuk memahami metode ini dengan benar sebelum menggunakannya. Pemahaman yang lengkap mengenai metode yang digunakan bisa membuat clustering yang diolah lebih cepat selesai.

Metode Event Study Dan Langkah-Langkah Tepat Yang Harus Dilakukan

Metode Event Study Dan Langkah-Langkah Tepat Yang Harus Dilakukan – Setiap penelitian yang dilakukan oleh para ahli tentu disesuaikan dengan metode yang akan digunakan. Misalnya ketika melihat fenomena sosial, biasanya akan menggunakan metode kualitatif, kualitatif atau metode yang lainnya. Salah satu contoh metode yang paling sering digunakan, khususnya dalam masalah yang berkaitan dengan peristiwa tentang keuangan yaitu metode event study.

Metode yang satu ini memang digunakan oleh para peneliti di bidang keuangan yang sedang meneliti tentang keuangan pasar modal. Peristiwa-peristiwa yang sering dikaitkan dengan metode ini yaitu peristiwa yang terjadi dalam kebijakan internal perusahaan seperti kebijakan deviden, ekspansi, akuisisi dan lain sebagainya.

Selain itu, peristiwa yang dimaksud juga berupa peristiwa yang terjadi secara eksternal yang memiliki dampak secara menyeluruh baik dalam konteks nasional, regional maupun internasional seperti menurunnya nilai tukar Rupiah terhadap US Dollar dan berbagai kondisi lainnya.

Untuk penjelasan lebih dalam mengenai metode event study ini akan dijelaskan di bawah ini.

Apa Itu Metode Event Study?

Menurut MacKinlay (1997), yang dimaksud dengan Event Study adalah salah satu metodologi dalam penelitian yang sering menggunakan data-data pasar keuangan untuk bisa mengukur dampak suatu kejadian yang spesifik terhadap nilai perusahaan dan biasanya tercermin dari harga saham dan volume transaksinya.

Langkah-Langkah Dari Metode Event Study

Menurut MacKinlay (1997), setidaknya ada 10 langkah yang harus dilakukan jika menggunakan metode event study ini.

Adapun langkah-langkahnya adalah sebagai berikut.

1. Mendefinisikan kejadian yang diminati yaitu berupa informasi baru yang ada di pasar.

2. Menyusun sebuah teori yang nantinya bisa memberikan suatu alasan atau respon keuangan terhadap informasi yang ada tersebut.

3. Mengidentifikasi berbagai kumpulan perusahaan yang mengalami kejadian tersebut dan mengidentifikasi tanggal kejadian.

4. Memilih sebuah event Windows yang dirasa cocok dan justifikasi jaraknya apabila melebihi 2 hari. Hal ini berarti mengidentifikasi periode harga saham perusahaan yang terlibat dengan kejadian yang akan diuji.

5. Langkah kelima dari metode event study ini yaitu mengeliminasi atau menyesuaikan perusahaan-perusahaan yang mengalami kejadian lain yang dirasa relevan selama event Windows terjadi. Pada tahap ini, Anda juga harus menyimpulkan karakteristik dari masing-masing sampel.

6. Menghitung abnormal return selama event Windows menguji signifikansinya.

7. Melaporkan persentasi negatif return dan pengujian statistik t binomial Z atau Wilcoxon.

8. Untuk sampel yang sedikit gunakan metode boostrap dan diskusikan dampak dari outliers.

9. Menggambarkan teori yang menjelaskan variasi crossectional dalam abnormal return dan menguji teori tersebut secara ekonometri.

10. Mempresentasikan hasil empiris.

Demikianlah sedikit gambaran dari metode event study, baik dari segi definisi maupun langkah-langkah yang harus dilakukan apabila menggunakan metode yang satu ini dalam sebuah penelitian yang berkaitan dengan keuangan. Namun yang perlu Anda ingat bahwa McWilliams & Siegel (1997) pernah mengatakan validitas suatu event study akan tergantung pada pengidentifikasian yang benar tentang abnormal return yang terjadi akibat suatu event. Setidaknya ada tiga asumsi yang mendasari identifikasi abnormal return ini yaitu pasar adalah efisien, event tidak dapat diantisipasi, dan tidak ada pengaruh lain yang berbaur selama event Windows.