digilib@itb.ac.id +62 812 2508 8800

DETEKSI TITIK PERUBAHAN DATA SECARA ONLINE MENGGUNAKAN METODE BAYESIAN DENGAN MODEL SELECTION

109 views
Save At List
Penulis : Stephanie [10116081]
Kontributor / Dosen Pembimbing :
  • Sapto Wahyu Indratno, S.Si., M.Sc., Ph.D.
Jenis Koleksi : Tugas Akhir
Tahun Terbit :
Penerbit : Matematika
Fakultas : Fakultas Matematika dan Ilmu Pengetahuan Alam
Subjek :
Kata Kunci : Bayesian, deteksi titik perubahan, hyperparameter, metode online, pemilihan model.
Sumber :
Staf Input/Edit : Dwi Ary Fuziastuti  
File : 1 file
Tanggal Input : 21 Jun 2020

ABSTRAK.pdf8?_
PUBLIC Open In Flipbook Dwi Ary Fuziastuti

Deteksi titik perubahan adalah proses mendeteksi perubahan yang terjadi dalam proses generatif data sekuensial (time series data). Analisis dari deteksi titik perubahan ini telah diaplikasikan dalam berbagai bidang penelitian termasuk perubahan iklim, robotika, dan telekomunikasi. Metode deteksi titik perubahan dapat dibagi menjadi metode offline dan online. Dalam pemanfaatannya, metode online digunakan secara lebih luas oleh industri manufaktur dalam proses quality control dan dalam dunia medis untuk mendiagnosis penyakit. Penelitian ini bertujuan untuk membangun suatu model deteksi titik perubahan secara online menggunakan metode Bayesian dengan memberikan penambahan faktor pemilihan model (model selection), yang dinamakan sebagai model BOCPDMS (Bayesian Online Changepoint Detection dengan Model Selection). Model ini merupakan modifikasi dari model BOCPD yang dibangun oleh Adams dan Mackay (2017). Perbedaan utama BOCPDMS adalah adanya penambahan beberapa model distribusi data deret waktu yaitu AR-1, AR-2, dan AR-3 serta adaya faktor pemilihan model pada setiap waktu. Untuk mengetahui tingkat kebaikan dari BOCPD dan BOCPDMS, dilakukan simulasi acak deteksi titik perubahan menggunakan data buatan. Adapun analisis sensitivitas yang dilakukan untuk melihat pengaruh setiap hyperparameter pada model dan analisis perbandingan kedua model dengan menggunakan data simulasi yang sama. Hasil simulasi acak deteksi titik perubahan menunjukkan bahwa BOCPD memiliki nilai akurasi 97%, sedangkan BOCPDMS memiliki nilai akurasi 97,5%. Adapun berdasarkan analisis sensitivitas, hyperparameter BOCPD yang mempengaruhi banyaknya titik terdeteksi adalah ????!, ????!, ????!, ???? dan hyperparameter BOCPDMS yang mempengaruhi banyaknya titik terdeteksi adalah ????!", ????!, ????!. Setelah dibandingkan hasilnya pada data simulasi yang sama, model BOCPDMS berhasil mendeteksi titik perubahan secara lebih optimal daripada model BOCPD. Selain itu, dengan model BOCPDMS, dapat dimasukkan beberapa nilai inisiasi hyperparameter dalam setiap paket model distribusi data.

Artikel Terkait