IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI BERBASIS WEB UNTUK MENINGKATKAN EFISIENSI DAN EFEKTIFITAS INVESTIGASI BNPB PADA KEJADIAN BENCANA TANAH LONGSOR

Data mining adalah proses mengekstraksi informasi atau pola penting dari data yang sudah ada sebelumnya dalam database yang cukup besar. Pendekatan algoritma aturan asosiasi Apriori adalah salah satu bidang data mining yang mencari sekelompok objek yang biasanya muncul pada waktu yang sama. Untuk mengetahui informasi apa saja yang sering muncul bersamaan dengan terjadinya bencana tanah longsor, maka dalam penelitian ini kami akan menerapkan pendekatan data mining Associationrule untuk menganalisis data bencana tanah longsor di Jawa Timur. Dari hasil analisis didapatkan pola hubungan assosiatif yang terjadi dari data tanah longsor di Indonesia pada awal bulan januari 2023 dan akhir bulan desember 2023 dengan nilai support teringgi yaitu Jika terjadi tanah longsor dan terjadi erosi, maka terjadi hujanderas dengan nilai support 40.74% dan nilai confidence 81.00%, Jika terjadi tanah longsor dan terjadi rumahrusak, maka terjadi hujanderas dengan nilai support 40.59% dan nilai confidence 100.00%. Kesimpulannya, penerapan data mining dengan Algoritma Apriori pada data kejadian tanah longsor dapat dilakukan sehingga dapat membantu dalam upaya efisiensi dan efektifitas investigasi BNPB pada kejadian bencana tanah longsor.