Multidimensional association rules mining untuk data kebakaran hutan menggunakan algoritme fp-growth dan eclat

Abstract

Bencana kebakaran hutan dan lahan merupakan permasalahan serius yang harus dihadapi bangsa indonesia khususnya provinsi riau. Salah satu upaya pencegahan kebakaran hutan yaitu dengan mempelajari pola keterkaitan antar kejadian titik panas (hotspot) dengan karakteristik objek geografis terdekat titik panas. Tujuan penelitian ini adalah menerapkan metode aturan asosiasi multidimensi dengan algoritme frequent pattern growth (fp-growth) dan algoritme equivalence class transformation (eclat) untuk menentukan pola keterkaitan antara kemunculan titik panas dan faktor-faktor pendukungnya. Sebagai bahan penentuan faktor kemunculan titik panas penelitian ini menggunakan minimum support 30% dan minimum confidence 80% dengan variabel target yaitu terjadinya titik panas. Hasil penelitian menunjukkan bahwa hubungan yang kuat antara terjadinya titik panas dan pengaruh faktor yang ditemukan dengan support terbesar 44.49%, confidence 100%, dan lift 1.02. Titik panas terjadi umumnya pada daerah yang memiliki curah hujan lebih besar atau sama dengan 3 mm/hari.