Model Optimasi Prediksi dengan Model Association Rule Best Time Series(ARBT) Pada Data Mining Time Series

Relita Buaton, Muhammad Zarlis, Herman Mawengkang, Syahril Efendi

Abstract


Era globalisasi dan Industri 4.0 yang sangat mempengaruhi pola tatanan kehidupan manusia yang berkaitan erat dengan perubahan lingkungan dan berdampak pada beberapa tahun belakangan ini terjadi banyak fenomena alam, bencana alam, banjir, gempa, perubahan suhu, peningkatan permukaan air laut dan bahkan telah terjadi gangguan listrik hampir setengah Pulau Jawa dan bencana paling terkini yang masih melanda dunia dan masih  belum ditemukan vaksinnya adalah virus corona. Berdasarkan data Badan Nasional Penanggulangan Bencana (BNPB) sebanyak 1.978 bencana alam dan non alam terjadi di Indonesia hingga tahun 2020 diantaranya bencana banjir dengan 748 peristiwa, bencana puting beliung dengan 527 kasus, tanah longsor 370 kasus dan kebakaran hutan dan lahan dengan 270 kasus mengakibatkan mengungsi mencapai angka 3,9 juta jiwa dan meninggal 273, 422 orang luka-luka dan 12 orang hilang. Tingginya angka kejadian bencana alam dan non alam yang terjadi dihampir seluruh penjuru bumi yang diyakini memiliki hubungan dan korelasi yang kuat antar kejadian dan peristiwa maka perlu dicari sebuah formula yang mendalam dengan kajian komputasi untuk menemukan model yang dapat digunakan untuk mengetahui korelasi antar kejadian serta mampu memprediksi peristiwa yang akan terjadi setiap terjadi peristiwa atau bencana. Maka bagaimana menemukan model komputasi untuk mengetahui korelasi antar bencana yang terjadi dan bagaimana mengoptimalkan prediksi bencana yang akan terjadi di masa yang akan datang serta melakukan pengujian dan simulasi model komputasi dengan metode ARBT(Association Rule Best Time Series). Penelitian ini menghasilkan model komputasi dengan metode ARBT yang mampu menghasilkan model komputasi untuk forecasting dengan variable dan bobot yang teruji berdasarkan pengembangan metode RBT dan association rule, ditemukan model dan simulasi hipotesa forecasting suhu udara dengan metode ARBT dengan multi variable untuk mendapatkan tingkat akurasi yang maksimal.

Keywords


Optimasi Prediksi, Metode ARBT

Full Text:

PDF

References


U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “From Data Mining to Knowledge Discovery in Databases,†AI Mag., vol. 17, no. 3, p. 37, 1996, doi: 10.1609/aimag.v17i3.1230.

M. Shokoohi-Yekta, J. Wang, and E. Keogh, “On the Non-Trivial Generalization of Dynamic Time Warping to the Multi-Dimensional Case,†Data Min. Proceeding 2015 …, pp. 289–297, 2015, doi: 10.1137/1.9781611974010.33.

Y. Li, J. Lin, and T. Oates, “Visualizing Variable-Length Time Series Motifs.,†Sdm, pp. 895–906, 2012.

S. Zolhavarieh, S. Aghabozorgi, and Y. W. Teh, “A review of subsequence time series clustering,†Sci. World J., vol. 2014, 2014, doi: 10.1155/2014/312521.

R. Buaton et al., “Decision Tree Optimization in Data Mining with Support and Confidence,†J. Phys. Conf. Ser., vol. 1255, no. 1, 2019, doi: 10.1088/1742-6596/1255/1/012056.

R. Buaton et al., “Time Series Optimization on Data Mining,†J. Phys. Conf. Ser., vol. 1235, no. 1, 2019, doi: 10.1088/1742-6596/1235/1/012014.

M. Toloo and S. Nalchigar, “On Ranking Discovered Rules of Data Mining by Data Envelopment Analysis : Some New Models with Applications,†no. January 2011, 2015, doi: 10.5772/13659.

H. X. Huynh, F. Guillet, T. Q. Le, and H. Briand, “Ranking objective interestingness measures with sensitivity values,†vol. 24, pp. 122–132, 2008.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Seminar Nasional Teknologi Komputer & Sains (SAINTEKS)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.