Kajian Penggerombolan Data Deret Waktu dengan Menggunakan Beberapa Ukuran Jarak

Abstract

Analisis gerombol data deret waktu merupakan salah satu teknik data mining yang dikembangkan untuk menggerombolkan objek berdasarkan data deret waktunya. Algoritme penggerombolan pada data deret waktu dilakukan dengan mengubah atau mengganti ukuran jarak untuk data statis dengan ukuran jarak yang sesuai untuk data deret waktu. Penelitian ini bertujuan menggerombolkan data deret waktu dengan menggunakan beberapa ukuran jarak yaitu jarak autokorelasi, jarak kompleksitas, dan jarak Dynamic Time Warping (DTW) pada data nilai ekspor Indonesia menurut negara tujuan. Metode penggerombolan yang digunakan adalah penggabungan dari metode hierarki dan algoritme k-rataan. Penerapan ketiga jarak pada penelitian ini juga dilakukan dengan menggunakan metode resampling bootstrap untuk melihat konsistensi dalam penentuan jarak terbaik. Koefisien korelasi cophenetic digunakan untuk menentukan jarak terbaik dari hasil penggerombolan metode hierarki dan kriteria yang digunakan untuk mengevaluasi hasil penggerombolan dari algoritme k- rataan adalah koefisien silhouette. Hasil dari penelitian ini menunjukkan bahwa jarak DTW merupakan jarak terbaik dengan nilai koefisien korelasi cophenetic sebesar 0.98. Evaluasi hasil penggerombolan dengan menggunakan algoritme k- rataan menghasilkan dua gerombol dari penggerombolan sembilan belas negara tujuan ekspor Indonesia dengan menggunakan jarak DTW dan diperoleh nilai koefisien silhouette sebesar 0.52.