Implementasi Data Mining Dalam Data Bencana Tanah Longsor Di Jawa Barat Menggunakan Algoritma Fp-Growth
DOI:
https://doi.org/10.33633/tc.v17i1.1601Keywords:
longsor, jawa barat, data mining, asosiasi, fp-growthAbstract
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.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].
Downloads
Published
Issue
Section
License
Penulis yang mempublikasikan artikelnya dalam jurnal ini setuju dengan ketentuan berikut :
- Hak cipta tetap pada penulis dan memberikan hak kepada jurnal Techno.Com sebagai prioritas pertama untuk mempublikasikan artikelnya dengan lisensi Creative Commons Attribution License yang memperbolehkan artikel untuk dapat dibagikan dengan pengakuan terhadap penulis artikel dan jurnal ini sebagai tempat publikasinya.
- Penulis dapat mendistribusikan publikasi artikelnya secara non-eksklusif (contoh : pada repository universitas atau pada buku) dengan pemberitahuan atau pengakuan publikasi di jurnal Techno.Com.
- Penulis diijinkan untuk mencantumkan karyanya secara online (misal : di website pribadi atau di repository universitas) sebelum dan sesudah proses pengiriman (lihat The Effect of Open Access).