Implementasi Multivariate Time Series Classification Dalam Menentukan Tingkat Konsumsi Alkohol.

Aurafitri, Anisa (2022) Implementasi Multivariate Time Series Classification Dalam Menentukan Tingkat Konsumsi Alkohol. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000049-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB)

Abstract

Berdasarkan survey dari National Survey on Drug Use and Health (NSDUH) pada tahun 2019, dikatakan bahwa 85.6% dari orang berusia 18 tahun ke atas pernah minum alkohol, 69.5% minum alkohol dalam setahun terakhir, dan 54.9% minum alkohol dalam tiga bulan terakhir. Angka-angka tersebut menunjukkan bahwa kebiasaan minum alkohol masih banyak terjadi ditengah masyarakat. Jika hal tersebut terus terjadi, tentu akan berdampak dalam kehidupan sehari-hari seperti munculnya tindak kejahatan dan kecelakaan lalu lintas yang disebabkan oleh alkohol. Untuk menyelesaikan permasalahan tersebut, dibutuhkan informasi yang akurat mengenai tingkat konsumsi alkohol pada setiap individu sebagai metode pencegahan. Pada penelitian ini akan dilakukan klasifikasi data untuk menentukan tingkat konsumsi alkohol menggunakan metode klasifikasi Naïve Bayes dan Decisition Tree pada data multivariate time series. Dalam prosesnya, data multivariate time series yang berupa data transdermal alcohol content (TAC) akan diproses menggunakan pendekatan value-trend based (TVA Representation) sehingga menghasilkan fitur-fitur yang akan menjadi input dalam klasifikasi. Selanjutnya dilakukan klasterisasi pada fitur-fitur tersebut menggunakan metode klasterisasi K-Modes, hasil dari klasterisasi ini berupa kelas mabuk dan tidak mabuk. Kemudian dilakukan klasifikasi menggunakan metode klasifikasi Naïve Bayes dan Decision Tree dengan beberapa skenario. Nilai akurasi yang didapatkan untuk klasifikasi Naïve Bayes sebesar 100%, dan nilai akurasi untuk klasifikasi Decision Tree sebesar 100%. Hasil klasifikasi pada penelitian ini dapat digunakan dalam bidang kesehatan maupun untuk mencegah terjadinya tindak kejahatan.
=================================================================================================================================
Based on a survey from the National Survey on Drug Use and Health (NSDUH) in 2019, it was said that 85.6% of people aged over 18 had drank alcohol, 69.5% drank alcohol in the past year, and 54.9% drank alcohol in the last three months. These figures show that the habit of drinking alcohol is still common in the community. If it continues, it will certainly have an impact in daily life such as the emergence of crime and traffic accidents caused by alcohol. To solve this problem, accurate information about the level of alcohol consumption in each individual is needed. In this study, data classification will be carried out to determine the level of alcohol consumption using the Naïve Bayes and Decision Tree classification method to multivariate time series data. In the process, multivariate time series data in the form of transdermal alcohol content (TAC) data will be processed use a value-trend based approach (TVA Representation) so it will produce features that will be input data in the classification. Furthermore, clustering of these features will be carried out using the K-Modes clustering method and the results are drunk and not drunk classes. Then the classification is performed using Naïve Bayes and the Decision Tree classification method with several scenarios. In the result, the accuracy value obtained for the Naïve Bayes classification is 100%, and the accuracy value for the Decision Tree classification is 100%. The results of the classification can be used in the health sector as well as to prevent crime.

Item Type:	Thesis (Other)
Additional Information:	RSIf 519.55 Aur i-1 2022
Uncontrolled Keywords:	Klasifikasi, Multivariate Time Series, Transdermal Alcohol Content (TAC), Naïve Bayes, Decision Tree. Classification, Multivariate Time Series, Transdermal Alcohol Content (TAC), Naïve Bayes, Decision Tree.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	25 May 2026 06:54
Last Modified:	25 May 2026 06:54
URI:	http://repository.its.ac.id/id/eprint/133401

Actions (login required)

View Item