Constraint Based-Sequential Pattern Mining pada Data Sekuens Titik Panas Wilayah Sumatra

Abstract

Kebakaran lahan gambut kerap terjadi dan menimbulkan banyak kerugian salah satunya kabut asap. Kabut asap dapat menyebabkan dampak negatif seperti infeksi saluran pernapasan. Titik panas adalah salah satu indikator kebakaran lahan gambut. Penelitian ini menghasilkan informasi data sekuens titik panas yang diharapkan dapat membantu pihak yang berwenang melakukan tindakan preventif terjadinya kebakaran. Data yang digunakan adalah data titik panas wilayah Sumatra tahun 2014 dan 2015. Metode yang digunakan adalah Constraint Based-Sequential Pattern Mining menggunakan algoritme Hirate Yamana. Penelitian sebelumnya berhasil menemukan indikator kuat terjadinya kebakaran hutan berdasarkan pola sekuensial kemunculan titik panas namun masih membutuhkan tahap post-processing. Penelitian ini menggunakan time constraint (minimum and maximum whole interval) dan gap constraint (minimum and maximum time interval) untuk mendapatkan sekuens titik panas dalam selang waktu 2-3 hari sehingga memudahkan tahap post-processing. Proses analisis dilakukan dengan melihat persentase sekuens yang sama pada algoritme Hirate-Yamana terhadap PrefixSpan dan SPADE. Hasil menunjukkan algoritme Hirate Yamana telah mencakup seluruh sekuens dengan rentang 2-3 hari sebesar 100% dari sekuens hasil algoritme PrefixSpan dan SPADE untuk sekuens dengan panjang 2 item.