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: | |
| Online Access: |
http://repository.ub.ac.id/152113/1/050901940.pdf http://repository.ub.ac.id/152113/ |
Daftar Isi:
- 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.