ABSTRAKSI: Deteksi outlier adalah pencarian objek data yang ada dalam ruang lingkup kecil yang berbeda jika dibandingkan dengan data pada umunnya dengan ukuran tertentu. Masalah di deteksi outlier dalam categorial data adalah mendefinisikan masalah optimasi. Didalam beberapa kasus masih digunakan algoritma LSA (Local Search Algorithm) sebagai cara mendeteksi outlier-nya, namun algoritma ini sangat memakan waktu untuk penyelesaiannya, apalagi jika data yang ada sangat banyak.
Algoritma Fast Greedy mampu menyelesaikan permasalahan tersebut dengan mengoptimasi waktu deteksi outlier-nya, sehingga permasalahan oleh LSA yang terlalu banyak memakan waktu dalam dataset yang sangat besar dapat teratasi.
Kata Kunci : outlier, deteksi outlier, LSA, Fast GreedyABSTRACT: The task of outlier detection is to find small groups of data objects that are exceptional when compared with rest large amount of data. In the problem of outlier detection in categorial data is define as an optimization problem and a local-search heuristic based algorithm (LSA) is presented. However as is the case with most iterative type algorithm. The LSA algorithm is still very timeconsuming on very large dataset.
Fast Greedy algorithm can resolve the problem with time optimization in outlier detection, then the problem from LSA which very time-consming in very large dataset can resolved.
Keyword: outlier, outlier detection, LSA, Fast Greedy