Implementasi Durable Query pada Data Historis Multidimensi dengan Serial Waktu Menggunakan Metode Durable K-NN Query

Armunanta, Dwi Prasetya (2021) Implementasi Durable Query pada Data Historis Multidimensi dengan Serial Waktu Menggunakan Metode Durable K-NN Query. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

	Text 05111740000025-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy
	Text 05111740000025-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Perkembangan ilmu pengetahuan dan teknologi, khususnya
internet telah mengubah paradigma manusia tentang data. Data
telah menjadi bagian penting bagi kehidupan manusia. Dengan
semakin banyaknya data yang dihasilkan, maka diperlukan sebuah metode untuk mengolah data agar dapat diperoleh informasi baru yang nantinya dapat digunakan untuk pemahaman dan keputusan
bisnis yang lebih lanjut.
Salah satu metode pengolahan data adalah kueri k Nearest
Neighbor (k-NN). Kueri k-NN bermaksud untuk mencari
sekumpulan k-objek yang memiliki jarak terpendek berdasarkan
objek referensi. Akan tetapi, kueri k-NN tidak dapat menjawab kueri ketika suatu objek memiliki durabilitas kedekatan terhadap objek referensi pada interval waktu tertentu sebab kueri k-NN tidak mempertimbangkan variabel durabilitas dan interval waktu dalam algoritme penghitungannya.
Tugas Akhir ini bertujuan untuk menjawab permasalahan
kueri Durable k Nearest Neighbor berbasis interval waktu pada data historis multidimensi dengan serial waktu dengan merancang kerangka kerja algoritme dan struktur data yang dapat memproses kueri tersebut. Algoritme yang dibuat adalah Durable k Nearest Neighbor menggunakan Grid Index (menggunakan teknik
komputasi paralel) untuk mencari kumpulan k-objek yang memiliki durabilitas kedekatan terhadap objek referensi pada interval waktu tertentu. Efektivitas dan efisiensi algoritme diuji menggunakan data asli dan sintetis.
========================================================================================================
The development of science and technology, especially
internet, has changed the human paradigm of data. Data has
become an important part of human life. With more and more data being generated, a method is needed to process the data so that new information can be obtained which can later be used for further understanding and business decisions.
One of the data processing method is the k-Nearest Neighbor
(k-NN) query. The k-NN query intends to find a set of k-objects that have the shortest distance based on the reference object. However, the k-NN query cannot answer the query when an object has a closeness durability to the reference object at certain time interval because the k-NN query does not consider the durability variable and time interval variables in it’s calculation algorithm.
This final project aims to answer the problem of Durable k
Nearest Neighbor queries based on time intervals on
multidimensional historical time series data by designing
algorithmic frameworks and data structures that can process these queries. The algorithm used is Durable k Nearest Neighbor using Grid Index (using parallel computing techniques) to find a collection of k-object that have closeness durability to reference object at certain time intervals.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Continuous k-NN Monitoring, Data Historis, Grid Index, Interval Waktu, Kueri Durable Continuous k-NN Monitoring, Durable Query, Grid Index, Historical Data, Time Interval
Subjects:	Q Science > QA Mathematics > QA76.F56 Data structures (Computer science) T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Dwi Prasetya Armunanta
Date Deposited:	20 Aug 2021 01:31
Last Modified:	20 Aug 2021 09:23
URI:	http://repository.its.ac.id/id/eprint/87775

Actions (login required)

View Item