Perpustakaan Digital ITB

Dalam tugas akhir ini dilakukan pengkajian dan implementasi sequential pattern mining pada data sekuensial multidimensional. Data sekuensial multidimensional menggunakan beragam dimensi waktu untuk menerangkan urutan data yang muncul dalam kriteria waktu yang berbeda seperti tahun, semester, dan bulan. Dalam pelaksanaan tugas akhir, terlebih dahulu didefinisikan bentuk data sekuensial multidimensional. Dengan mengacu pada bentuk tersebut, algoritma PrefixMDSpan yang merupakan turunan dari PrefixSpan dikaji dan diimplementasikan untuk melakukan sequential pattern mining. Perubahan di PrefixMDSpan meliputi format data, keterlibatan dimensional scope serta dibangunnya tabel IDM. Perubahan ini akan didefinisikan dalam tiga proses utama algoritma yaitu pencarian frequent item lokal, pembentukan sequential pattern baru dan pembangunan projected database. Dalam pengembangan perangkat lunak, data sekuensial multidimensional dibangkitkan dari sebuah basis data multidimensional. Pembangkitan ini melibatkan OLAP dan sebuah data loader yang mengubah data dari datacube menjadi data sekuensial. Sequential pattern mining dilakukan terhadap kumpulan data sekuensial multidimensional bentukan tersebut dengan berbagai karakteristik yang ingin diuji. Hasil dari implementasi menunjukkan bahwa algoritma PrefixMDSpan telah berhasil diimplementasikan untuk melakukan sequential pattern mining pada data sekuensial multidimensional. Kinerja tiap proses diamati dan dijadikan bahan evaluasi hasil implementasi. Proses pembangunan projected database memakan kebutuhan waktu paling besar dalam eksekusinya.