Optimasi Aturan Asosiasi Multidimensi Menggunakan Algoritme Genetika untuk Klasifikasi Kemunculan Titik Panas

Abstrak

Penelitian ini menggunakan algoritme genetika untuk mengoptimalkan pembentukan aturan asosiasi yang dihasilkan dari algoritme apriori. Algoritme apriori diterapkan pada dataset kebakaran hutan dengan daerah penelitian di wilayah Rokan Hilir provinsi Riau. Aturan asosiasi diklasifikasi menggunakan algoritme CPAR (classification based on predictive association rules) untuk mengetahui karakteristik wilayah yang berpotensi munculnya titik panas. Optimasi dalam algoritme genetika dilakukan melalui tahapan: skema pengkodean, evaluasi fitness, seleksi, pindah silang, mutasi. Hasil yang diperoleh dari penelitian ini ialah jumlah aturan dapat dikurangi. Jumlah aturan yang dihasilkan yaitu sebanyak 121 aturan pada generasi ke-300 hingga mencapai 108 aturan pada generasi ke-50. Hasil klasifikasi menunjukkan bahwa daerah yang berpotensi timbulnya titik panas yang terdapat pada generasi ke-50 ditemukan pada daerah yang memiliki curah hujan lebih besar dari atau sama dengan 3 mm per hari dan yang memiliki temperatur pada interval 297 Kelvin hingga 298 Kelvin dengan laplace akurasi sebesar 0.76. Pada generasi 150 ditemukan daerah yang memiliki temperatur yaitu pada interval 297 Kelvin hingga 298 Kelvin dengan laplace akurasi sebesar 0.57. Pada generasi 300 ditemukan pada daerah yang memiliki kecepatan angin yaitu pada interval 1 m/s hingga 2 m/s dengan laplace akurasi sebesar 0.70.

Kata kunci: algortime apriori, algoritme CPAR, algoritme genetika, aturan asosiasi multidimensi, titik panas.