Cover Image

Perbandingan Kecepatan dalam Pencarian Frequent Itemset antara Algoritma FP-Growth dan Cut Both Ways

Main Author: FatmaRikaFebriyana
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2009
Subjects:
510 Mathematics
Online Access: http://repository.ub.ac.id/152113/1/050901940.pdf
http://repository.ub.ac.id/152113/
ctrlnum 152113
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/152113/</relation><title>Perbandingan Kecepatan dalam Pencarian Frequent Itemset antara Algoritma FP-Growth dan Cut Both Ways</title><creator>FatmaRikaFebriyana</creator><subject>510 Mathematics</subject><description>Penggalian kaidah asosiasi (mining association rules ) merupakan salah satu proses data mining untuk menemukan pola dan aturan (rule ) dari sekumpulan data yang besar. Pola-pola ini merupakan kumpulan item (itemset ) yang sering muncul secara bersamaan (frequent itemset ) dalam transaksi pada basis data. Proses pencarian frequent itemset membutuhkan waktu yang sangat lama, oleh karena itu diperlukan suatu algoritma yang bisa mengefisiensi waktu yang dibutuhkan. Algoritma FP-Growth menerapkan strategi pencarian dengan menggunakan struktur yang sederhana (FP-tree ) dan memiliki kinerja yang tinggi karena hanya memerlukan dua kali pemeriksaan pada basis data. Algoritma Cut Both Ways (CBW ) menggunakan gabungan beberapa teknik dan menggunakan cutting level (&#x3B1;) untuk membagi ruang pencarian menjadi dua bagian. Nilai cutting level merupakan nilai rata-rata dari kardinalitas frequent itemset, diharapkan banyak ditemukan frequent itemset pada level ini. Pada tugas akhir ini akan mengimplementasikan proses pencarian frequent itemset dengan menggunakan algoritma FPGrowth dan CBW . Kemudian membandingkan kinerjanya dengan menggunakan beberapa parameter nilai support dan diujikan pada beberapa dataset dengan karakteristik yang berbeda. Hasilnya, algoritma FP-Growth mampu menambang frequent itemset lebih cepat daripada algoritma CBW.</description><date>2009-06-25</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/152113/1/050901940.pdf</identifier><identifier> FatmaRikaFebriyana (2009) Perbandingan Kecepatan dalam Pencarian Frequent Itemset antara Algoritma FP-Growth dan Cut Both Ways. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/MIPA/2009/157/050901940</relation><recordID>152113</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author FatmaRikaFebriyana
title Perbandingan Kecepatan dalam Pencarian Frequent Itemset antara Algoritma FP-Growth dan Cut Both Ways
publishDate 2009
topic 510 Mathematics
url http://repository.ub.ac.id/152113/1/050901940.pdf
http://repository.ub.ac.id/152113/
contents Penggalian kaidah asosiasi (mining association rules ) merupakan salah satu proses data mining untuk menemukan pola dan aturan (rule ) dari sekumpulan data yang besar. Pola-pola ini merupakan kumpulan item (itemset ) yang sering muncul secara bersamaan (frequent itemset ) dalam transaksi pada basis data. Proses pencarian frequent itemset membutuhkan waktu yang sangat lama, oleh karena itu diperlukan suatu algoritma yang bisa mengefisiensi waktu yang dibutuhkan. Algoritma FP-Growth menerapkan strategi pencarian dengan menggunakan struktur yang sederhana (FP-tree ) dan memiliki kinerja yang tinggi karena hanya memerlukan dua kali pemeriksaan pada basis data. Algoritma Cut Both Ways (CBW ) menggunakan gabungan beberapa teknik dan menggunakan cutting level (α) untuk membagi ruang pencarian menjadi dua bagian. Nilai cutting level merupakan nilai rata-rata dari kardinalitas frequent itemset, diharapkan banyak ditemukan frequent itemset pada level ini. Pada tugas akhir ini akan mengimplementasikan proses pencarian frequent itemset dengan menggunakan algoritma FPGrowth dan CBW . Kemudian membandingkan kinerjanya dengan menggunakan beberapa parameter nilai support dan diujikan pada beberapa dataset dengan karakteristik yang berbeda. Hasilnya, algoritma FP-Growth mampu menambang frequent itemset lebih cepat daripada algoritma CBW.
id IOS4666.152113
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:53:02Z
last_indexed 2021-10-28T07:38:58Z
recordtype dc
_version_ 1751454569926230016
score 17.538404

Lihat Juga