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

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 Penerapan Association Rule Mining Berbasis Algoritma Frequent Pattern Growth untuk Rekomendasi Penjualan

2020 ◽  
Vol 7 (2) ◽  
pp. 135-148
Author(s):  
Didi Supriyadi
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Association Rule Mining ◽  
Frequent Itemset ◽  
Frequent Pattern ◽  
Rule Mining ◽  
Minimum Support ◽  
Pattern Growth ◽  
Mining Association Rule

Tingkat persaingan dan kompleksitas permasalahan penjualan pada perusahaan retail, menuntut setiap perusahaan retail untuk mampu berkompetisi dengan perusahaan lain. Salah satu yang dapat dilakukan adalah melalui pengambilan keputusan terkait penjualan yang lebih tepat dan efektif. Besarnya data transaksinonal penjualan perusahaan retail dapat dilakukan ekstraksi informasi yang bermanfaat. Metode yang dapat digunakan untuk menggali informasi adalah melalui penerapan association rule mining. Association Rule Mining merupakan suatu metode data mining yang berfokus pada pola transaksi dengan cara mengekstraksi asosiasi atau hubungan suatu kejadian. Keranjang belanja yang terdapat pada perusahaan retail yang terkomputerisasi merupakan cara terbaik untuk memberikan dukungan rekomendasi keputusan secara ilmiah dengan cara menentukan hubungan antara barang yang dibeli secara bersamaan dalam setiap transaksi. Algoritma FP-growth digunakan untuk menentukan himpunan dataset yang paling sering muncul (frequent itemset) pada sekeompok data. Penelitian ini menghasilkan nilai minimum support 0,1% dan nilai minimum confidence 60% jumlah rule yang dihasilkan berjumlah 116457, nilai minimum confidence 70% jumlah rule yang dihasilkan berjumlah 84086, dan nilai minimum confidence 80% jumlah rule yang dihasilkan berjumlah 48623 dari data yang diolah sebanyak 22191. Hasil rule ini dapat digunakan untuk strategi pemasaran produk. Nilai minimum support 0,1% dimana semakin besar nilai minimum confidence maka menghasilkan rule yang semakin sedikit.

scholarly journals Analisis Tingkat Kejahatan Pada Anak Dibawah UmurMenggunakan Metode Fp-Growth

KOMTEKINFO ◽  
2020 ◽  
Vol 7 (2) ◽  
pp. 110-119
Author(s):  
Angga Putra Juledi ◽  
Sarjon Defit ◽  
Yuhandri
Keyword(s):  
Data Mining ◽  
Programming Language ◽  
Association Rule ◽  
Frequent Itemset ◽  
The West ◽  
West Sumatra ◽  
Data Source ◽  
Investigation Process ◽  
Mining Association Rule ◽  
Tree Development

Crimes in minors are a series of guardian actions or negligence by parents who endanger or pose a dangerous threat to the child. The purpose of this study is to implement Data Mining, Association rule, andthe FP-Growth Algorithm in cases of crime of minors so that they can extract knowledge and important and interesting information from the database. The data source used is raw data that has not been processed andis a crime data on minors which is summarized in the form of a report from the West Sumatra Regional Police. The results of this study are in the form of software by analyzing data collected using the FP-Growth Algorithm and using the concept of FP-Tree development in searching for Frequent Itemset, for testing the results carried out with applications that have been designed namely the Php programming language. The results of testing are obtained from associations of crime cases that often occur in minors. So it can be seen that data mining using the Fp-Growth Algorithm can be used to analyze cases of crime in minors as a consideration for the police in order to know the ins and outs of crime in children so that it can assist the investigation process.

scholarly journals Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk Promosi Produk

2018 ◽  
Vol 3 (1) ◽  
pp. 89
Author(s):  
Rintho Rante Rerung
Keyword(s):  
Data Mining ◽  
Social Media ◽  
Association Rule ◽  
Frequent Itemset ◽  
The Other ◽  
Apriori Algorithm ◽  
Online Social Media ◽  
Knowing That ◽  
Other Hand ◽  
Mining Association Rule

Dalam suatu bisnis diperlukan upaya memaksimalkan keuntungan diantaranya dengan melakukan promosi. Banyak cara yang bisa dilakukan untuk mempromosikan produk seperti dengan cara online dengan memanfaatkan media sosial Facebook dan situs-situs yang menyediakan iklan. Namun demikian, untuk memperoleh hasil yang maksimal maka perlu dilakukan perhitungan seberapa besar kemungkinan pelanggan akan tertarik terhadap produk yang ditawarkan. Penelitian ini bertujuan untuk menerapkan data mining untuk promosi produk Distro Nasional. Dalam bidang keilmuan data mining, terdapat suatu metode yang dinamakan association rule. Metode ini bertujuan untuk menunjukkan nilai asosiatif antara jenis-jenis produk yang dibeli oleh pelanggan sehingga terlihatlah suatu pola berupa produk apa saja yang sering dibeli oleh palanggan tersebut. Dengan mengetahui jenis produk yang sering dibeli maka dapat dibuat sebagai sebuah dasar keputusan untuk menentukan produk apa saja yang cocok untuk dipromosikan kepada pelanggan tersebut. Algoritma Apriori juga akan dipergunakan untuk menentukan frequent itemset sehingga hasil akhir yang dicapai yaitu untuk menghitung persentase ketertarikan (confindence) pelanggan terhadap produk yang ditawarkan.Kata kunci: promosi, data mining, association rule, produk In a business, there is required efforts to maximize profits include by promotion. Many ways can be conducted in promoting a product such as by using Facebook as an online social media and sites which provide advertisements. On the other hand, in gaining a maximum result is required a calculation about how big customer probability to get interested in a product offered. This study aims to apply data mining for product promotion of Distro Nasional store. In a science of data mining there is a method called association rule. This method was intended to indicate associative values among product types were bought by customers. So that, it can be seen a pattern which types of product that often bought by customers. By knowing that information it can be made as a decission base to determine which appropriate products get promotted to that customer. Apriori algorithm will also be used to determine the frequent itemset so that the final result achieved is to calculate the percentage of customer interest (confindence) on the product offered.Keywords: promotion, data mining, association rule, product 

scholarly journals Analisis Tingkat Kejahatan Pada Anak Dibawah Umur Menggunakan Metode FP-Growth

2020 ◽  
Vol 2 (1) ◽  
pp. 30-36
Author(s):  
Angga Putra Juledi ◽  
Sarjon Defit ◽  
Yuhandri Yunus
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Itemset ◽  
Juvenile Crime ◽  
The West ◽  
West Sumatra ◽  
Data Source ◽  
Investigation Process ◽  
Mining Association Rule ◽  
Tree Development

Crimes in minors are a series of negligence by parents who endanger or pose a dangerous threat to the child. The purpose of this study is to implement Data Mining, Association rule, and the FP-Growth Algorithm in cases of juvenile crime so that it can extract knowledge and important and interesting information from the database. The data source used is raw data that has not been processed and is a crime data on minors which are summarized in the form of reports from the West Sumatra Regional Police. The results of this study are in the form of software by analyzing data collected using the FP-Growth Algorithm and using the concept of FP-Tree development in searching for Frequent Itemset, for testing the results carried out with applications that have been designed namely the Php programming language. The results of testing are obtained from associations of crime cases that often occur in minors. So it can be seen that data mining using the Fp-Growth Algorithm can be used to analyze cases of crime in minors as a material consideration for the police in order to know the ins and outs of crime in children so that it can assist the investigation process.

scholarly journals Analisis Tingkat Kejahatan pada Anak Dibawah Umur Menggunakan Metode FP-Growth

2020 ◽  
pp. 29-34
Author(s):  
Angga Putra Juledi ◽  
Sarjon Defit ◽  
Y Yuhandri
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Itemset ◽  
Juvenile Crime ◽  
The West ◽  
West Sumatra ◽  
Data Source ◽  
Investigation Process ◽  
Mining Association Rule ◽  
Tree Development

Crimes in minors are a series of negligence by parents who endanger or pose a dangerous threat to the child. The purpose of this study is to implement Data Mining, Association rule, and the FP-Growth Algorithm in cases of juvenile crime so that it can extract knowledge and important and interesting information from the database. The data source used is raw data that has not been processed and is a crime data on minors which are summarized in the form of reports from the West Sumatra Regional Police. The results of this study are in the form of software by analyzing data collected using the FP-Growth Algorithm and using the concept of FP-Tree development in searching for Frequent Itemset, for testing the results carried out with applications that have been designed namely the Php programming language. The results of testing are obtained from associations of crime cases that often occur in minors. So it can be seen that data mining using the FP-Growth Algorithm can be used to analyze cases of crime in minors as a material consideration for the police in order to know the ins and outs of crime in children so that it can assist the investigation process.

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.

Sign in / Sign up

Export Citation Format

Share Document