IQBAL ADZENDRA (2017) ANALISA DAN PERBANDINGAN ALGORITMA FP-GROWTH DAN ALGORITMA ECLAT UNTUK PENCARIAN POLA PENJUALAN BARANG. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER.pdf Download (137kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (887kB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (92kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (278kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (385kB) | Preview |
|
|
Text
6. BAB I.pdf Download (220kB) | Preview |
|
|
Text
7. BAB II.pdf Download (515kB) | Preview |
|
|
Text
8. BAB III.pdf Download (114kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
11. BAB VI.pdf Download (94kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA.pdf Download (91kB) | Preview |
Abstract
Kumpulan data transaksi penjualan yang begitu besar seringkali hanya disimpan dalam suatu database dan kurang dimanfaatkan lagi untuk dijadikan sebuah knowledgeyang berguna bagi perusahaan itu sendiri. Penilitian ini menggunakan proses data mining dengan menggunakan metode asosiasi rule serta menerapkanalgoritmaFP-Growth dan algoritmaECLAT. Penelitian ini melakukan penggalian informasi dari data transaksi penjualan dengantotaldata26.329record datadengan data barang sebanyak 9680 item yang berbedayangbertujuan untuk mendapatkan suatu pola penjualan dari relasi barang-barang yang dibeli secara bersamaan dalam suatu waktu serta menganalisis perbandingan waktu dan pemakaian memori yang diperlukan oleh algoritma FP-Growthdan ECLATdalam menemukan frequent itemset. Langkah-langkah dalam menemukan frequent itemset menggunakan algoritma FP-Growthberbeda dengan algoritma ECLATdan penilitian ini disajikan dalam bentuk rule. Pada penilitian ini dalam proses pencarian frequent itemsetdidapatkan hasil bahwa waktu yang diperoleh algoritma FP-Growthlebih cepat dibandingkan dengan algoritma ECLATtetapi dari penggunaan memori algoritma ECLATlebih sedikit dari algoritma FP-Growth. Kata kunci:Asosiasi Rule, Data Mining, ECLAT, FP-Growth, Frequent Itemset, Knowledge.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 500 Ilmu-ilmu Alam dan Matematika |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 23 Aug 2019 03:05 |
| Last Modified: | 23 Aug 2019 03:05 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/17964 |
Actions (login required)
 |
View Item |