PENGGUNAAN JARAK DYNAMIC TIME WARPING (DTW) PADA ANALISIS CLUSTER DATA DERET WAKTU
Abstract: Dalam kehidupan
sehari-hari seringkali didapatkan data yang tidak hanya berupa variabel dalam
kurun waktu tertentu, namun data tersebut juga terikat dengan variabel waktu .
Analisis cluster deret waktu yang merupakan salah satu teknik data mining yang
dikembangkan untuk mengelompokan objek berdasarkan data deret waktunya.
Penelitian ini bertujuan mengelompokkan data deret waktu menggunakan beberapa
jarak yaitu. Autocorrelation-based Distance, Complexity Invariant Distance
(CID), Periodogram-based Distance, dan Dynamic Time Warping. Data yang
digunakan adalah Dana Pihak Ketiga, yaitu sumber dana yang diperoleh bank dari
masyarakat (nasabah) yang merupakan sumber dana terbesar bagi bank. Pemilihan
jarak terbaik menggunakan korelasi
cophenetic hasil analisis cluster hirarki menggunakan average linkage.
Optimalisasi hasil analisis cluster hirarki menggunakan algoritma K-means
dilakukan untuk memperoleh jumlah dan anggota kelompok yang lebih stabil.
Validasi pengelompokan dengan algoritma K-means menggunakan koefisien
silhouette. Jarak DTW merupakan jarak terbaik diantara ketiga jarak lainnya
dengan nilai korelasi cophenetic terbesar yaitu
0,9775802. Pengelompokan menggunakan algoritma K-means menunjukkan jarak
DTW menghasilkan dua kelompok dengan kriteria
cukup baik dengan nilai koefisien silhouette sebesar 0,257.
Penulis: Ardiansyah Muhammad
Kode Jurnal: jpmatematikadd141150
