ABSTRAK

Data saat ini adalah komponen utama dalam pengambilan sebuah keputusan. Data sendiri dapat mempegaruhi tujuan dari sebuah organisasi atau perusahaan. Penambangan data atau yang lebih dikenal dengan data mining saat ini sedang trend. Mengelompokan satu set objek kedalam sebuah kelas merupakan operasi fundamental dalam data mining. Setelah objek tersebut terkelompokan maka akan diperoleh sebuah informasi baru dari pola baru yang didapat dalam data tersebut. Pada sebuah data terdapat komponen yang disebut dengan atribut. Atribut sendiri untuk menciri setiap objek yang memiliki karakteristik yang sama. Sebuah atribut dapat menentukan decision dari sebuah data. Atribut kodisional yang paling berpengaruh pada sebuah data dapat dicari dengan beberapa metode. Tugas akhir ini memaparkan sebuah metode yang dapat mengukur tingkat ketergantungan atribut kodisional pada sebuah data. Data yang akan digunakan dalam penelitian ini adalah dataset kelautan. Dataset tersebut didapat dari Badan Pusat Statistik. Hasil dari pengukuran tingkat ketergantungan atribut ini nantinya akan memperlihatkan tingkat ketergantungan sebuah atribut terhadap penentuan decision pada sebuah data. Badan pusat statistik sendiri belum mengetahui apakah yang paling mempengaruhi potensi hasil laut Indonesia. Diharapkan hasil dari penelitian ini akan membantu badan pusat statistik dalam memperbaiki potensi hasil laut Indonesia. Dari penelitian ini didapatkan bahwa dari dua metode yang dibandingkan yaitu Maximum depedency of attribute dan Min-min Roughness dengan menggunakan dataset yang sama hasilnya adalah kedua metode tersebut memiliki akurasi perhitungan yang sama tetapi metode MDA lebih baik dalam hal kompleksitas. Hal itu dikarnakan metode MDA hanya butuh satu kali pengolahan dibandingkan dengan metode MMR yang membutuhkan tiga kali pengolahan. Dari hasil penelitian ini dataset marine yang diolah menggunakan metode MDA mendapatkan atribut kondisi luas hutan pantai sebagai atribut kondisi yang paling berpenganguh dalam penetapan decision pada dataset tersebut.

Kata kunci: data, clustering, ketergantungan atribut