Sistem Data Mining untuk Analisis Data Titik Panas

Abstract

Karhutla di Indonesia mengalami peningkatan dari intensitas dan penyebarannya. Salah satu kegiatan untuk mencegah dan mengurangi terjadinya fenomena tersebut adalah dengan menganalisis data titik panas. Data titik panas tersebut dianalisis menggunakan teknik data mining, yaitu spatio-temporal clustering dan sequential pattern mining. Penelitian ini dilakukan untuk menggabungkan kedua teknik tersebut menjadi sebuah pengembangan sistem terintegrasi yang lebih efisien dalam menganalisis data titik panas. Metode yang digunakan pada penelitian ini adalah prototyping. Sistem ini menggunakan data titik panas dari API SiPongi yang disimpan dalam database. Sistem yang dikembangkan berupa aplikasi web menggunakan framework Shiny. Penelitian ini berhasil melakukan penggabungan dua teknik beserta penggunaan data yang dinamis dan berasal dari satu sumber database. Berdasarkan pengujian yang dilakukan terhadap sistem, fitur untuk visualisasi data, yaitu peta, tabel, dan summary memberikan hasil yang sesuai dengan ekspektasi. Fitur lainnya, seperti help dan about juga memberikan hasil sesuai harapan. Hasil pengujian dilakukan menggunakan metode black box testing dan mendapatkan 100% untuk efektivitas sistem.

Forest and land fires in Indonesia have increased in intensity and spread. One of the activities to prevent and reduce the occurrence of this phenomenon is to analyze hotspot data. The hotspot data are analyzed using data mining techniques, namely spatio-temporal clustering and sequential pattern mining. This study aims to combines the two techniques into an integrated system that is more efficient in analyzing hotspot data. The method used in this study is Prototyping. The data for this system are collected using the API from SiPongi that is stored in database. The system is a web application using the Shiny framework. This study successfully combined two separate data mining techniques with the use of dynamic data derived from a single source of database. Based on tests conducted on the system, features for data visualization, namely maps, tables, and summaries has met the expectations. Other features, such as help and about also provide results as desired. The system test using the black box method results in 100% system effectiveness