ANALISIS DATA MINING CUACA MENGGUNAKAN ATURAN ASOSIASI DAN REGRESI LOGISTIK KERNEL

HEBNU PRIYAMBODO, Dr. Gunardi, M.Si.

2013 | Skripsi | STATISTIKA

Pengetahuan tentang pola dan hubungan memegang peranan sangat penting dalam pengambilan kebijakan pada bidang pertanian. Tingkat curah hujan merupakan salah satu faktor yang mempengaruhi produktifitas tanaman komoditas pangan. Aturan asosiasi (association rule) dan Regresi logistik kernel (Kernel Rgresson Logistik) merupakan teknik data mining untuk membantu dalam pengambilan suatu keputusan. Pemanfaatan model dalam mengggambarkan suatu probabilitas serta menemukan aturan-aturan yang terjadi dalam data jumlah besar. Penulis melakukan penelitian terhadap data yang diperoleh dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) serta Badan Pusan Statistik (BPS). Tugas akhir ini memberikan kesimpulan bahwa regresi logistik kernel dengan bantuan grafik dapat menghasilkan pola tingkat curah hujan serta gambaran pada bidang pertanian. Sedangkan association rule menghasilkan aturan-aturan tersembunyi yang terdapat dalam suatu data set.

Knowledge about patterns and relationships plays an important role in agriculture policy making. The level of rainfall is one of the factors affect the productivity of plants for food commodities. Association rules and kernel logistic regression (KLR) are data mining techniques to assist in making a decision. Model utilization depicts a probability and finds the rules occur in large amounts of the data. The author conduct a study of the data obtained from the Indonesian Meteorological, Climatological and Geophysical - Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) and Statistics Indonesia - Badan Pusat Statistik (BPS). This final project aims to give conclusion that the kernel logistic regression; with the help of graphs can produce patterns of rainfall levels and the description of agriculture, while association rules producing hidden rules in the data set.

Kata Kunci : Curah hujan, Regresi logistik kernel, Aturan sosiasi, Data mining, Komoditas pangan, data set.