Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Keranjang Pasar Menggunakan K-Medoids Dan FP-Growth Wiwit Agus Triyanto; Vincent Suhartono; H. Himawan
Jurnal Pseudocode Vol 1, No 2 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (8335.282 KB) | DOI: 10.33369/pseudocode.1.2.129-142

Abstract

Analisis keranjang pasar (juga disebut dengan penambangan aturan hubungan)  adalah salah satu metode penambangan data yang memfokuskan pada penemuan pola pembelian dengan mengekstrak hubungan atau kejadian dari data transaksi pasar. Mendapatkan pola pembelian sangat penting karena dapat membantu dalam menyusun strategi rekomendasi dan promosi produk. Ada banyak algoritma yang dapat digunakan untuk menemukan pola hubungan, seperti Apriori dan FP-Growth. Namun ada beberapa kendala teknis yang berhubungan dengan teknik rekomendasi yang biasa digunakan, aturan hubungan sering kali mengabaikan kumpulan item yang banyak. Untuk mengatasi hal ini, atribut yang ada dikelompokkan berdasarkan atribut yang sama dan kemudian ditentukan hubungan antar pola dalam setiap grup. Penelitian ini akan menggunakan algoritma K-Medoid untuk pengklusteran data penjualan dan menerapkan algoritma FP-Growth untuk mendekati hubungan tiap kluster. Sehingga rekomendasi produk kepada konsumen dapat lebih akurat karena kelompok data yang akan dihubungkan menjadi lebih kecil. Nilai minimum yang mendukung eksperimen yaitu 10%-100% dan nilai minimum kepercayaan adalah 10%-100%. Dari pengukuran menggunakan rasio dukungan, kepercayaan, dan kenaikan ditemukan bahwa terdapat banyak aturan yang salah pada kluster kelima.Kata kunci: Analisis Keranjang Pasar, Rekomendasi Produk, Promosi Produk, Association Rule Mining, K-Medoids, FP-Growth
PENERAPAN BAGGING UNTUK PENINGKATAN AKURASI KLASIFIKASI TEMA TUGAS AKHIR MENGGUNAKAN ALGORITMA BACKPROPAGATION NEURAL NETWORK Arfan Haqiqi Sulasmoro; Catur Supriyanto; Vincent Suhartono
Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK Vol 1, No 1 (2016): PROSIDING SEMINAR NASIONAL IPTEK TERAPAN 2016
Publisher : Prosiding Seminar Nasional IPTEK Terapan (SENIT) 2016 Pengembangan Sumber Daya Lokal Berbasis IPTEK

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan jumlah mahasiswa membutuhkan penanganan dalam upaya menjaga keseimbangan kualitas kelulusan pada perguruan tinggi swasta. Pengelompokan tema tugas akhir mahasiswa di sebuah pendidikan tinggi swasta dengan melihat hasil studi untuk tiap-tiap matakuliah yang diberikan dengan melihat histori nilai tiap-tiap semester untuk matakuliah tertentu diharapkan dapat membantu dalam penyelesaian tugas akhir. Pada penelitian ini mencoba menerapkan metode Neural network dengan struktur Backpropagation untuk melakukan klasifikasi tema tugas akhir di program studi DIII Teknik Komputer Politeknik Harapan Bersama Tegal dengan evaluation pattern menggunakan aplikasi rapidminer 5.2. Penerapan metode ini bertujuan untuk mendapatkan hasil klasifikasi tema tugas akhir dengan BPNN. Hasil dari penelitian menunjukkan bahwa penerapan metode bagging pada proses training dapat meningkatkan nilai accuracy dalam mengklasifikasi tema tugas akhir menggunakan algoritma Backpropagation Neural Network. Kata kunci : Klasifikasi, backpropagation, neural network, Bagging.