Association Rule Mining Pada Data Geokimia Pemboran
Abstract: Mengetahui korelasi
atau asosiasi kemunculan mineral pada data pemboran merupakan hal penting untuk
mengetahui potensi mineral yang akan di tambang. Metode konvensional untuk
pengolahan data sudah tidak sangap lagi untuk menemukan aturan asosiasi pada
data pemboran. Teknik data mining sudah sangat diperlukan untuk mengetahui
aturan asosiasi pada data mineral yang disebut juga data geokimia. Association
Rule Mining (ARM) merupakan task dari data mining yang berfungsi khusus untuk
mencari aturan asosiasi antar items dalam frequent itemsets pada dataset yang
besar. Tetapi, data pemboran belum memiliki itemsets yang jelas dan data yang
akan menjadi item disimpan dalam bentuk numerik. Nilai item yang bertipe
numerik akan membuat jumlah kemunculan item menjadi sangat banyak sehingga
dimensi itemset menjadi sangat rumit. Fokus permasalahan pada penelitian ini
yaitu bagaimana melakukan ARM pada data geokimia pemboran yang bernilai
numerik. Untuk implementasi ARM pada data pemboran membutuhkan pemodelan data
untuk items dan itemsets. Penanganan nilai numerik menggunakan cara
diskritisasi dengan logika fuzzy dan percentile untuk membagi nilai numerik
menjadi 5 range. Proses ARM menggunakan algoritma FP-Growth. Hasil pengujian
menunjukkan bahwa diskritisasi data geokimia menggunakan fuzzy logic dan
percentile dapat mengurangi dimensi kemunculan item pada ARM.
Penulis: Gusti Ngurah Mega
Nata
Kode Jurnal: jptinformatikadd160671
