Bagaimana DBSCAN mengidentifikasi titik inti (core points)? a. Dengan mengklasifikasikan titik-titik yang terletak paling dekat dengan centroid sebagai inti b. Dengan mengabaikan titik -titik yang terlalu dekat dengan centroid. c. Dengan mengidentifikasi titik -titik yang memilik jarak lebih kecil dari Eke setidaknya MinPts tetangga lainnya d. Dengan memilih titik -titik secara acak sebagai inti

c

DBSCAN (Density-Based Spatial Clustering of Applications with Noise) adalah algoritma clustering yang mengelompokkan titik-titik berdasarkan kepadatan lokal mereka. Algoritma ini tidak bergantung pada asumsi geometris seperti bola atau silinder, yang membuatnya fleksibel untuk data dengan berbagai bentuk distribusi. Salah satu komponen penting dari DBSCAN adalah kemampuannya untuk mengidentifikasi titik inti (core points) dan titik peringatan (border points).Titik inti dalam DBSCAN adalah titik-titik yang memiliki jumlah tetangga minimal yang cukup banyak (Minimal number of neighbors, MinPts) dan kepadatan lokal yang tinggi. Kepadatan lokal dihitung berdasarkan jarak dari titik tersebut ke titik-titik lainnya. Jika sebuah titik memiliki kepadatan lokal yang tinggi dan setidaknya MinPts tetangga, maka titik tersebut dianggap sebagai titik inti.Oleh karena itu, jawaban yang paling akurat untuk pertanyaan ini adalah opsi c: "Dengan mengidentifikasi titik-titik yang memiliki jarak lebih kecil dari ε-neighborhood setidaknya MinPts tetangga lainnya". Ini mencerminkan proses di mana DBSCAN menentukan titik inti berdasarkan kepadatan lokal dan jumlah tetangga minimal yang memenuhi syarat.