Modul Incremental Sequential Pattern Mining untuk Data Titik Panas Pulau Sumatra.

Abstract

Indikator kebakaran hutan dapat diketahui berdasarkan titik panas pada suatu wilayah. Informasi dari data titik panas tersebut dapat digunakan dalam pengambilan keputusan atau kebijakan yang tepat untuk penanganan dan pencegahan kebakaran hutan. Penelitian ini bertujuan untuk membuat modul sequential pattern mining yang mampu menangani adanya penambahan data baru sehingga dapat menghasilkan pola sekuensial setelah penambahan data tersebut. Algoritme tersebut dikembangkan dengan menggunakan perangkat lunak R dan menggunakan framework Shiny. Penelitian ini menggunakan algoritme SPADE dalam menentukan pola sekuensial pada data titik panas dengan adanya penambahan data baru. Data yang dianalisis yaitu data titik panas Pulau Sumatra pada tahun 2014. Penambahan modul untuk menangani penambahan data baru telah berhasil dilakukan dalam menghasilkan pola sekuensial yang baru. Adanya penambahan data baru mempengaruhi support dari sekuens dan dapat menghasilkan sekuens yang baru. Algoritme SPADE diterapkan pada data lama titik panas Sumatra 2014 menghasilkan 30 sekuens yang memenuhi minimum support 0.01 dari 7158 data titik panas. Penambahan 3859 data titik panas baru menghasilkan total 31 sekuens.