scholarly journals Implementasi Association Rule Dengan Algoritma Apriori Pada Data Peminjaman Buku Upt Perpustakaan Universitas Lampung Menggunakan Metodologi CRISP-DM

2022 ◽  
Vol 10 (1) ◽  
Author(s):  
Meri Fitriani ◽  
Gigih Forda Nama ◽  
Mardiana Mardiana
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Data Preparation ◽  
Evaluation Phase ◽  
Total Data ◽  
Phase Data ◽  
Phase Evaluation ◽  
Mining Association Rule

Abstrak - UPT Perpustakaan Universitas Lampung merupakan UPT yang bergerak di bidang perpustakaan. Memiliki dua layanan berdasarkan interaksinya yaitu layanan teknis dan layanan pengguna. Saat ini UPT Perpustakaan Universitas Lampung memiliki buku yang tercetak sebanyak 142.776. Penelitian ini bertujuan menemukan pola association rule dengan teknik data mining memanfaatkan software RapidMiner 9.1 dalam penerapan algoritma Apriori. Metode penelitian Cross Industry Standar Process for Data Mining (CRISP-DM) dengan tahapan business understanding phase, data understanding phase, data preparation, modelling phase, evaluation phase dan deployment phase. Data yang digunakan dalam penelitian ini adalah data transaksi peminjaman buku dari tahun 2014 hingga 2017 dengan total data peminjaman buku sebanyak 170.115. Hasil pemodelan association rule dengan algoritma apriori menggunakan nilai support 0.3 dan nilai confidence 0.3 diperoleh judul buku “Metodologi pengajaran bahasa” akan meminjam “English for tourism :panduan berprofesi di dunia pariwisata” nilai support 1 dan confidence 1. Rekomendasi untuk pembelian buku disarankan mengikuti pattern lampiran hasil asosiasi.Kata kunci: UPT Perpustakaan Universitas Lampung, Data Peminjaman Buku, Data Mining, Association Rule, CRISP-DM.

Visual Data Mining for Discovering Association Rules

2008 ◽  
pp. 2105-2120
Author(s):  
Kesaraporn Techapichetvanich ◽  
Amitava Datta
Keyword(s):  
Data Mining ◽  
Association Rules ◽  
Association Rule ◽  
Large Data ◽  
Data Sets ◽  
Visual Data Mining ◽  
Useful Knowledge ◽  
Large Databases ◽  
A New Technique ◽  
Mining Association Rule

Both visualization and data mining have become important tools in discovering hidden relationships in large data sets, and in extracting useful knowledge and information from large databases. Even though many algorithms for mining association rules have been researched extensively in the past decade, they do not incorporate users in the association-rule mining process. Most of these algorithms generate a large number of association rules, some of which are not practically interesting. This chapter presents a new technique that integrates visualization into the mining association rule process. Users can apply their knowledge and be involved in finding interesting association rules through interactive visualization, after obtaining visual feedback as the algorithm generates association rules. In addition, the users gain insight and deeper understanding of their data sets, as well as control over mining meaningful association rules.

Visual Data Mining for Discovering Association Rules

2011 ◽  
pp. 209-226
Author(s):  
Kesaraporn Techapichetvanich ◽  
Amitava Datta
Keyword(s):  
Data Mining ◽  
Association Rules ◽  
Association Rule ◽  
Large Data ◽  
Data Sets ◽  
Visual Data Mining ◽  
Useful Knowledge ◽  
Large Databases ◽  
A New Technique ◽  
Mining Association Rule

Both visualization and data mining have become important tools in discovering hidden relationships in large data sets, and in extracting useful knowledge and information from large databases. Even though many algorithms for mining association rules have been researched extensively in the past decade, they do not incorporate users in the association-rule mining process. Most of these algorithms generate a large number of association rules, some of which are not practically interesting. This chapter presents a new technique that integrates visualization into the mining association rule process. Users can apply their knowledge and be involved in finding interesting association rules through interactive visualization, after obtaining visual feedback as the algorithm generates association rules. In addition, the users gain insight and deeper understanding of their data sets, as well as control over mining meaningful association rules.

Data Mining Pembentukan Pola Penggunaan Alat Kontrasepsi Dengan Metode Association Rule

2020 ◽  
Vol 4 (1) ◽  
pp. 186-191
Author(s):  
Elisa Hafrida ◽  
◽  
Febrina Sari ◽  
Desyanti Desyanti ◽  
Siti Nurjannah ◽  
...  
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Item ◽  
Mining Association Rule

Penggunaan Alat Kontrasepsi secara berkelanjutan merupakan faktor yang mempengaruhi keberhasilan Program Keluarga Berencana (KB). Seperti yang diketahui tidak semua alat kontrasepsi cocok dengan kondisi setiap orang, oleh karenanya setiap pribadi harus bisa memilih alat kontrasepsi yang cocok untuk dirinya. Permasalahannya banyak para wanita sulit untuk menentukan pilihan alat kontrasepsi yang akan digunakan, selain kurangnya pengetahuan dan informasi, Sampai saat ini belum ada konsep atau Pola untuk pemilihan alat kontrasepsi. Tujuan dari penelitian ini adalah Menemukan pola penggunaan alat kontrasepsi dengan menggunakan metode Data Mining Association Rule. Hasil kinerja Algoritma Apriori menghasilkan pola kombinasi yang menggambarkan kumpulan frequent item set dengan nilai confidence tertinggi yakni sebesar 90% pada Rule Jika Alat Kontrasepsi Suntik 3 Bulan Maka Usia Ibu 17-35 Tahun. Pola yang terbentuk merupakan hasil formulasi konsep, sehingga pola ini dapat dijadikan acuan bagi para calon akseptor dalam menentukan pilihan alat kontrasepsi yang cocok untuk digunakan.

Improved Algorithm for Mining Maximum Frequent Patterns Based on FP-Tree

2013 ◽  
Vol 756-759 ◽  
pp. 3692-3695 ◽  
Author(s):  
Nai Li Liu ◽  
Lei Ma
Keyword(s):  
Data Mining ◽  
Fast Algorithm ◽  
Association Rule ◽  
Frequent Patterns ◽  
Memory Space ◽  
The Cost ◽  
Mining Association Rule ◽  
Very High ◽  
Improved Algorithm

Mining association rule is an important matter in data mining, in which mining maximum frequent patterns is a key problem. Many of the previous algorithms mine maximum frequent patterns by producing candidate patterns firstly, then pruning. But the cost of producing candidate patterns is very high, especially when there exists long patterns. In this paper, the structure of a FP-tree is improved, we propose a fast algorithm based on FP-Tree for mining maximum frequent patterns, the algorithm does not produce maximum frequent candidate patterns and is more effectively than other improved algorithms. The new FP-Tree is a one-way tree and only retains pointers to point its father in each node, so at least one third of memory is saved. Experiment results show that the algorithm is efficient and saves memory space.

Analysis and Research of Intrusion Detection System Based on Association Rule

2013 ◽  
Vol 709 ◽  
pp. 628-631
Author(s):  
Ya Bing Jiao
Keyword(s):  
Data Mining ◽  
Intrusion Detection ◽  
Association Rule ◽  
Intrusion Detection System ◽  
Detection Efficiency ◽  
Detection System ◽  
Mining Association Rule

A model of intrusion detection system based on the technology data mining is presented on the basis of introduction on the concept and the technical method of the intrusion detection system. In this model, the two methods of the technology data mining association rule and the classified analysis cooperate with each other and the detection efficiency will be greatly enhanced.

scholarly journals ANALISIS TINGKAT KEJAHATAN ANAK DIBAWAH UMUR MENGGUNAKAN METODE FP-GROWTH (STUDI KASUS DI POLRESTA PADANG)

2020 ◽  
Vol 1 (1) ◽  
pp. 16-23
Author(s):  
Randika Farike Bania
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Itemset ◽  
Mining Association Rule

 Kekerasan terhadap anak sebagai setiap tindakan atau serangkaian tindakan wali atau kelalaian oleh orang tua atau pengasuh lainnya yang dihasilkan dapat membahayakan, atau berpotensi bahaya, atau memberikan ancaman yang berbahaya kepada anak..  Mengimplementasikan Data Mining, Association Rule dan Algoritma FP-Growth pada kekerasan kekerasan pada anak di bawah umur  untuk mengekstrak ilmu pengetahuan, informasi penting dan menarik dari database. Sumber  data yang digunakan masih merupakan data mentah yang belum diolah dan merupakan data kekerasan pada anak di bawah umur yang mencangkup laporan  di Polresta Padang. Hasil penelitian ini adalah berupa suatu perangkat lunak dengan mengimplementasikan algoritma FP-Growth yang menggunakan konsep pembangunan FP-Tree dalam mencari Frequent Itemset dan unutk pengujian hasil dilakukan dengan aplikasi yang telah dirancang menggunakan bahasa pemogramman PHP MYSQL. Hasil  pengujian didapatkan dari assosiasi kasus kekerasan yang dominan terjadi pada anak dibawah umur, yaitu jika Kasus Penganiayaan maka Korbannya Pelajar dengan nilai support 30% dan nilai confidence 84%, jika Pelaku Swasta maka Korban Pelajar dengan nilai support 20% dan confidence 73%, jika Pelaku Swasta, Kasus Penganiayaan maka Korban Pelajar dengan nilai support 17% dan confidence 71%, jika Kasus Cabul maka Korban Pelajar dengan nilai support 28% dan confidence 65% dan jika Pelaku Pengangguran maka Korban pelajar dengan nilai support 17% dan confidence 64%.

scholarly journals Prediksi Permintaan Mata Kuliah Pada Semester Padat Dengan Menggunakan Teknik Association Rule Dengan Algoritma Apriori Pada Fakultas Teknologi Informasi Universitas Advent Indonesia

TeIKa ◽  
2019 ◽  
Vol 9 (01) ◽  
pp. 99-111
Author(s):  
Joan Yuliana Hutapea
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Itemset ◽  
Mining Association Rule

Semester padat adalah suatu periode perkuliahan yang dilaksanakan oleh sebuah lembaga pendidikan/universitas dengan tujuan untuk memfasilitasi mahasiswa yang berkeinginan untuk mempersingkat waktu perkuliahannya, maupun yang berkeinginan untuk memperbaiki nilai mata kuliah sebelumnya yang kurang memadai.  Pada semester ini, persiapan yang dilakukan mengacu pada permintaan mahasiswa terhadap mata kuliah tertentu yang ingin diikutinya pada semester padat tersebut.  Agar persiapan ini dapat berlangsung dengan baik, pimpinan fakultas perlu memprediksi mata kuliah apa saja yang kemungkinan akan diambil oleh mahasiswa, sehingga mereka dapat mempersiapkan kegiatan pendaftaran dan penugasan dosen terkait dengan mata kuliah tersebut.  Tujuan dari penelitian ini adalah untuk melakukan pendataan atas permintaan terhadap mata kuliah dengan menggunakan data historis sebelumnya.  Teknik data mining yang digunakan adalah Association Rule dengan menggunakan algoritma apriori untuk mencari frequent itemset sehingga diharapkan prediksi terhadap permintaan mata kuliah ini dapat diketahui. Dari hasil perhitungan dan analisa terhadap 25 data peserta semester padat tahun 2016/2017 di Fakultas Teknologi Informasi, diperoleh tingkat support dan confident yang tinggi terhadap beberapa kombinasi mata kuliah.  Selain itu didapati pula bahwa rule dengan nilai asosiasi final tertinggi ada pada rule “If choose B then choose K”, yaitu : Jika mahasiswa memilih mata kuliah B (Algoritma), maka ia juga akan memilih mata kuliah K (Praktek Algoritma) dengan nilai support 20% dan confidence 100%. Kata kunci: Data Mining, Association Rule, Algoritma Apriori

Sign in / Sign up

Export Citation Format

Share Document