Comparative Analysis of XLMiner and Weka for Association Rule Mining and Clustering

2009 ◽  
pp. 82-89 ◽  
Author(s):  
A. M. Khattak ◽  
A. M. Khan ◽  
Tahir Rasheed ◽  
Sungyoung Lee ◽  
Young-Koo Lee
Keyword(s):  
Comparative Analysis ◽  
Association Rule ◽  
Association Rule Mining ◽  
Rule Mining

scholarly journals Comparative Analysis of Association Rule Mining Algorithms for the Distributed Data

2017 ◽  
Vol 102 ◽  
pp. 49-60
Author(s):  
K.S. Ranjith ◽  
Yang Zhenning ◽  
Ronnie D. Caytiles ◽  
N.Ch. S.N. Iyengar
Keyword(s):  
Comparative Analysis ◽  
Association Rule ◽  
Association Rule Mining ◽  
Distributed Data ◽  
Rule Mining ◽  
Mining Algorithms

A Novel Market Basket Analysis Using Adaptive Association Rule Mining Algorithm

2012 ◽  
Vol 1 (4) ◽  
pp. 25-28
Author(s):  
M.Dhanabhakyam M.Dhanabhakyam ◽  
◽  
Dr.M.Punithavalli Dr.M.Punithavalli
Keyword(s):  
Association Rule ◽  
Association Rule Mining ◽  
Market Basket Analysis ◽  
Rule Mining ◽  
Market Basket ◽  
Mining Algorithm

Prediksi Code Defect Perangkat Lunak Dengan Metode Association Rule Mining dan Cumulative Support Thresholds

2015 ◽  
Vol 6 (2) ◽  
Author(s):  
Rizal Setya Perdana ◽  
Umi Laili Yuhana
Keyword(s):  
Association Rule ◽  
Association Rule Mining ◽  
Rule Mining ◽  
Program Code

Kualitas perangkat lunak merupakan salah satu penelitian pada bidangrekayasa perangkat lunak yang memiliki peranan yang cukup besar dalamterbangunnya sistem perangkat lunak yang berkualitas baik. Prediksi defectperangkat lunak yang disebabkan karena terdapat penyimpangan dari prosesspesifikasi atau sesuatu yang mungkin menyebabkan kegagalan dalam operasionaltelah lebih dari 30 tahun menjadi topik riset penelitian. Makalah ini akandifokuskan pada prediksi defect yang terjadi pada kode program (code defect).Metode penanganan permasalahan defect pada kode program akan memanfaatkanpola-pola kode perangkat lunak yang berpotensi menimbulkan defect pada data setNASA untuk memprediksi defect. Metode yang digunakan dalam pencarian polaadalah memanfaatkan Association Rule Mining dengan Cumulative SupportThresholds yang secara otomatis menghasilkan nilai support dan nilai confidencepaling optimal tanpa membutuhkan masukan dari pengguna. Hasil pengujian darihasil pemrediksian defect kode perangkat lunak secara otomatis memiliki nilaiakurasi 82,35%.

Sign in / Sign up

Export Citation Format

Share Document