Implementasi Spatial Mining Dengan Association Rules
Total View This Week0
Total View This Week0
Institusion
Universitas Surabaya
Author
Sulimto, Reysita
Subject
QA75 Electronic computers. Computer science
Datestamp
2014-02-18 03:28:46
Abstract :
Data spatial adalah data yang mengandung informasi geometrik atau keruangan, dimana objek-objeknya dapat berupa titik, garis, maupun poligon. Dalam suatu Sistem Informasi Geografis biasanya tersimpan data spatial dalam jumlah yang banyak dan terorganisasi dalam suatu basis data spatial. Jumlah data yang banyak tersebut menyebabkan munculnya kesulitan dalam proses analisa dan pengolahan data secara manual. Oleh karena itu, dibutuhkan teknik atau tools baru yang dapat secara otomatis menganalisa dan mengolah data spatial menjadi pengetahuan yang berharga dan dapat bermanfaat untuk proses pengambilan keputusan. Teknik pencarian pengetahuan dari basis data spatial disebut dengan spatial mining. Penerapan teknik spatial mining ini menghasilkan pola asosiasi (association rules) karena pola ini banyak dipakai untuk menunjukkan hubungan satu objek spatial dengan objek spatial yang lain, dalam hal ini hubungan yang dihasilkan adalah hubungan implikasi atau sebab-akibat. Metode yang digunakan untuk menemukan pola asosiasi dari suatu basis data spatial adalah spatial association mining. Untuk menghasilkan pola-pola asosiasi yang kuat, dibutuhkan suatu algoritma pencarian association rules yang efisien, yaitu algoritma apriori. Algoritma apriori dapat menghasilkan pola yang kuat karena adanya konsep pemberian nilai thresholds, yaitu minimum support dan minimum confidence. Kesimpulan yang dapat diambil adalah aplikasi ini dapat menghasilkan pola-pola asosiasi yang dapat menunjukkan hubungan antar objek spatial. Besarnya prosentase nilai confidence pada pola menunjukkan bahwa pola tersebut telah mendekati kebenaran (walaupun tidak 100% benar) dan dapat disebut sebagai informasi atau pengetahuan yang berharga.
Data spatial adalah data yang mengandung informasi geometrik atau keruangan, dimana objek-objeknya dapat berupa titik, garis, maupun poligon. Dalam suatu Sistem Informasi Geografis biasanya tersimpan data spatial dalam jumlah yang banyak dan terorganisasi dalam suatu basis data spatial. Jumlah data yang banyak tersebut menyebabkan munculnya kesulitan dalam proses analisa dan pengolahan data secara manual. Oleh karena itu, dibutuhkan teknik atau tools baru yang dapat secara otomatis menganalisa dan mengolah data spatial menjadi pengetahuan yang berharga dan dapat bermanfaat untuk proses pengambilan keputusan. Teknik pencarian pengetahuan dari basis data spatial disebut dengan spatial mining. Penerapan teknik spatial mining ini menghasilkan pola asosiasi (association rules) karena pola ini banyak dipakai untuk menunjukkan hubungan satu objek spatial dengan objek spatial yang lain, dalam hal ini hubungan yang dihasilkan adalah hubungan implikasi atau sebab-akibat. Metode yang digunakan untuk menemukan pola asosiasi dari suatu basis data spatial adalah spatial association mining. Untuk menghasilkan pola-pola asosiasi yang kuat, dibutuhkan suatu algoritma pencarian association rules yang efisien, yaitu algoritma apriori. Algoritma apriori dapat menghasilkan pola yang kuat karena adanya konsep pemberian nilai thresholds, yaitu minimum support dan minimum confidence. Kesimpulan yang dapat diambil adalah aplikasi ini dapat menghasilkan pola-pola asosiasi yang dapat menunjukkan hubungan antar objek spatial. Besarnya prosentase nilai confidence pada pola menunjukkan bahwa pola tersebut telah mendekati kebenaran (walaupun tidak 100% benar) dan dapat disebut sebagai informasi atau pengetahuan yang berharga.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
