Implementasi Data Mining Dalam Data Bencana Tanah Longsor Di Jawa Barat Menggunakan Algoritma Fp-Growth

Castaka Agus Sugianto, Melani Nur Astita

Abstract


Jawa Barat merupakan salah satu zona rawan longsor di Indonesia. Pengurangan resiko bencana diantaranya adalah peringatan dini dengan langkah awal menganalisis data yang ada. Salah satu cara menganalisis data ini yaitu dengan teknik data mining. Tujuan penelitian ini adalah untuk mengetahui pola hubungan aturan assosiatif antara suatu kombinasi data dan membentuk pola kombinasi datasets dengan menggunakan algoritma Fp-growth dalam data bencana tanah longsor yang di dapat dari Badan Nasional Penanggulangan Bencana dan Badan Penanggulangan Bencana Daerah Provinsi Jawa Barat periode data dari 2011 sampai dengan 2016. Hasil penelitian ini mendapatkan nilai confidence tertinggi sebesar 1 dengan premises malam, jalan rusak dan conclusion hujan deras dan premises tanah labil, korban jiwa, sore dengan conclusion hujan deras yang berarti keterkaitan satu kondisi dengan kondisi lain sebesar 100%. Untuk nilai support tertinggi dalam pola asosiatif didapatkan sebesar 0,629 dengan confidence 0,901 dengan premises rumah rusak dan conclusion hujan deras yang berarti 90% keterkaitan dengan kejadian 63% kemunculan.


Keywords


longsor, jawa barat, data mining, asosiasi, fp-growth

Full Text:

PDF

References


www.jabarprov.go.id, “Koramil Giriwangin Bantu Bersihkan Longsoran,†2016. [Online]. Available: http://www.jabarprov.go.id/index.php/news/20215/2016/11/29/Koramil-Giriwangin-Bantu-Bersihkan-Longsoran. [Accessed: 25-Jul-2017].

Pusat Vulkanologi Mitigasi Bencana Geologi, “Dikepung Bencana Alam,†2016. .

A. Siswandi, “Tanah Longsor dan Banjir Paling Sering Terjadi di Jawa Barat,†www.tempo.com, 2016. [Online]. Available: http://www.tempo.co/read/news/2016/11/10/058819325/tanah-longsor-dan-banjir-paling-sering-terjadi-di-jawa-barat. [Accessed: 24-Jul-2017].

D. Setianingsih and R. F. Hakim, “Penerapan Data Mining dalam Analisis Kejadian Tanah longsor di Indonesia dengan Menggunakan Association Rule Algoritma Apriori,†Univ. Islam Indones., pp. 731–741, 2015.

R. N. Arifin, “Implementasi Algoritma Frequent Pattern Growth (FP-Growth) Menentukan Asosiasi Antar Produk (Study Kasus NadiaMart ),†Univ. Dian Nuswantoro, p. 8, 2015.

J. Han and J. Pei, “Mining Frequent Patterns by Pattern-Growth: Methodology and Implications,†SIGKDD Explor., vol. 2, no. 2, p. 14, 2000.

J. Han and M. Kamber, Data Mining: Concepts and Techniques 2nd Edition, Second Edi. San Francisco: Elsevier, 2006.

F. Rofiah, “Metode Penelitian Eksperimen,†Eureka Pendidikan, 2015. [Online]. Available: http://www.eurekapendidikan.com/2015/11/metode-penelitian- eksperimen.html. [Accessed: 14-Jul-2017].




DOI: https://doi.org/10.33633/tc.v17i1.1601

Article Metrics

Abstract view : 981 times
PDF - 636 times

Refbacks

  • There are currently no refbacks.




Diterbitkan Oleh :

 

Jurnal Techno.Com terindex di :

  

 

Jurnal Teknologi Informasi Techno.Com (p-ISSN : 1412-2693e-ISSN : 2356-2579) diterbitkan oleh LPPM Universitas Dian Nuswantoro Semarang bekerjasama dengan IndoCEISS dan CORIS. Jurnal ini di bawah lisensi Creative Commons Attribution 4.0 International License.