Optimasi Aturan Asosiasi Multidimensi Menggunakan Algoritme Genetika untuk Klasifikasi Kemunculan Titik Panas
Abstract: Penelitian ini
menggunakan algoritme genetika untuk mengoptimalkan pembentukan aturan asosiasi
yang dihasilkan dari algoritme apriori. Algoritme apriori diterapkan pada
dataset kebakaran hutan dengan daerah penelitian di wilayah Rokan Hilir
provinsi Riau. Aturan asosiasi diklasifikasi menggunakan algoritme CPAR
(classification based on predictive association rules) untuk mengetahui
karakteristik wilayah yang berpotensi munculnya titik panas. Optimasi dalam
algoritme genetika dilakukan melalui tahapan: skema pengkodean, evaluasi
fitness, seleksi, pindah silang, mutasi. Hasil yang diperoleh dari penelitian
ini ialah jumlah aturan dapat dikurangi. Jumlah aturan yang dihasilkan yaitu
sebanyak 121 aturan pada generasi ke-300 hingga mencapai 108 aturan pada
generasi ke-50. Hasil klasifikasi menunjukkan bahwa daerah yang berpotensi
timbulnya titik panas yang terdapat pada generasi ke-50 ditemukan pada daerah
yang memiliki curah hujan lebih besar dari atau sama dengan 3 mm per hari dan
yang memiliki temperatur pada interval 297 Kelvin hingga 298 Kelvin dengan
laplace akurasi sebesar 0.76. Pada generasi 150 ditemukan daerah yang memiliki
temperatur yaitu pada interval 297 Kelvin hingga 298 Kelvin dengan laplace
akurasi sebesar 0.57. Pada generasi 300 ditemukan pada daerah yang memiliki
kecepatan angin yaitu pada interval 1 m/s hingga 2 m/s dengan laplace akurasi
sebesar 0.70.
Kata kunci: algortime apriori,
algoritme CPAR, algoritme genetika, aturan asosiasi multidimensi, titik panas
Penulis: Nia Kurniati, Imas
Sukaesih Sitanggang, Irman Hermadi
Kode Jurnal: jptinformatikadd150794