M.Hafizh
{"title":"Penerapan Data Mining Algoritma Association Rule Metode FP-Growth untuk Menganalisa Tingkat Kekerasan dalam Rumah Tangga","authors":"M.Hafizh","doi":"10.35134/jmi.v25i1.36","DOIUrl":null,"url":null,"abstract":"Pada saat sekarang ini terus berkembang jumlah kasus Kekerasan Dalam Rumah Tangga (KDRT) sehingga membuat para penyidik ingin mendapatkan strategi penyidikan yang lebih baik. Dengan adanya strategi penyidikan yang benar dan cepat akan dapat mengurangi biaya dan mendapat sasaran yang tepat. Salah satu cara yang dapat dilakukan untuk penentuan strategi tersebut adalah dengan menggunakan teknik data mining. Adapun teknik yang digunakan dalam hal ini adalah Algoritma FP-Growth. FP-Growth adalah salah satu alternatif algoritma yang dapat digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sekumpulan data. Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori. Sedangkan di dalam algoritma FP-Growth tidak dilakukan generate candidate karena FP-Growth menggunakan konsep pembangunan tree dalam pencarian frequent itemset. Penelitian dilakukan dengan mengamati beberapa variabel kasus KDRT yang sering dilaporkan, Yaitu Terlapor, Jenis Pekerjaan, dan jenis kekerasan yang dilakukan. Hasil penelitian ini adalah berupa suatu perangkat lunak dengan mengimplementasikan algoritma FP-Growth yang menggunakan konsep pembangunan FP-Tree dalam mencari Frequent Itemset.","PeriodicalId":162513,"journal":{"name":"Majalah Ilmiah UPI YPTK","volume":"28 8","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2018-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Majalah Ilmiah UPI YPTK","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35134/jmi.v25i1.36","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

目前家庭暴力案件越来越多,这使得调查人员想要一种更好的调查策略。有了正确的、快速的调查策略,就可以降低成本,达到正确的目标。确定策略的一种方法是使用数据挖掘技术。至于这里使用的技术,是FP-Growth算法。FP-Growth是一种替代算法,可以用来确定数据集中最常出现的数据集合。FP-Growth算法是杏算法的发展阶段。但是在FP-Growth算法中并没有进行generate candidate,因为FP-Growth使用了树开发的概念来搜索树的数量。研究是通过观察一些经常报告的家庭暴力案件的变量来完成的。本研究的结果是一种软件,它采用了FP-Growth算法,该算法利用FP-Tree开发理念来寻找常移项。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Penerapan Data Mining Algoritma Association Rule Metode FP-Growth untuk Menganalisa Tingkat Kekerasan dalam Rumah Tangga
Pada saat sekarang ini terus berkembang jumlah kasus Kekerasan Dalam Rumah Tangga (KDRT) sehingga membuat para penyidik ingin mendapatkan strategi penyidikan yang lebih baik. Dengan adanya strategi penyidikan yang benar dan cepat akan dapat mengurangi biaya dan mendapat sasaran yang tepat. Salah satu cara yang dapat dilakukan untuk penentuan strategi tersebut adalah dengan menggunakan teknik data mining. Adapun teknik yang digunakan dalam hal ini adalah Algoritma FP-Growth. FP-Growth adalah salah satu alternatif algoritma yang dapat digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sekumpulan data. Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori. Sedangkan di dalam algoritma FP-Growth tidak dilakukan generate candidate karena FP-Growth menggunakan konsep pembangunan tree dalam pencarian frequent itemset. Penelitian dilakukan dengan mengamati beberapa variabel kasus KDRT yang sering dilaporkan, Yaitu Terlapor, Jenis Pekerjaan, dan jenis kekerasan yang dilakukan. Hasil penelitian ini adalah berupa suatu perangkat lunak dengan mengimplementasikan algoritma FP-Growth yang menggunakan konsep pembangunan FP-Tree dalam mencari Frequent Itemset.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信