Association Rule Mining Pada Data Geokimia Pemboran

Abstract

Mengetahui korelasi atau asosiasi kemunculan mineral pada data pemboran merupakan hal penting untuk mengetahui potensi mineral yang akan di tambang. Metode konvensional untuk pengolahan data sudah tidak sangap lagi untuk menemukan aturan asosiasi pada data pemboran. Teknik data mining sudah sangat diperlukan untuk mengetahui aturan asosiasi pada data mineral yang disebut juga data geokimia. Association Rule Mining (ARM) merupakan task dari data mining yang berfungsi khusus untuk mencari aturan asosiasi antar items dalam frequent itemsets pada dataset yang besar. Tetapi, data pemboran belum memiliki itemsets yang jelas dan data yang akan menjadi item disimpan dalam bentuk numerik. Nilai item yang bertipe numerik akan membuat jumlah kemunculan item menjadi sangat banyak sehingga dimensi itemset menjadi sangat rumit. Fokus permasalahan pada penelitian ini yaitu bagaimana melakukan ARM pada data geokimia pemboran yang bernilai numerik. Untuk implementasi ARM pada data pemboran membutuhkan pemodelan data untuk items dan itemsets. Penanganan nilai numerik menggunakan cara diskritisasi dengan logika fuzzy dan percentile untuk membagi nilai numerik menjadi 5 range. Proses ARM menggunakan algoritma FP-Growth. Hasil pengujian menunjukkan bahwa diskritisasi data geokimia menggunakan fuzzy logic dan percentile dapat mengurangi dimensi kemunculan item pada ARM.