ANALISA DAN IMPLEMENTASI<br /> FREQUENT PATTERN OUTLIER FACTOR(FPOF)<br /> UNTUK<br /> OUTLIER DETECTION<br /> ANALYZE AND IMPLEMENTATION FREQUENT<br /> PATTERN OUTLIER FACTOR(FPOF)<br /> FOR<br /> OUTLIER DETECTION
ANDRE PRAYOGO

Informasi Umum

Kode

113020091

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

276 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Secara umum, definisi dari outlier adalah suatu penampakan berbeda yang<br /> memungkinkan timbulnya suatu anomaly dalam data. Dalam dunia nyata, outlier<br /> detection ini sangat penting untuk berbagai aplikasi dan sangat menarik banyak<br /> perhatian pada data mining research community. Permasalahan deteksi outlier ini<br /> mempunyai peran yang sangat penting pada aplikasi deteksi kecurangan, analisis<br /> kekuatan jaringan dan deteksi intrusi.<br /> Pada paper ini, diperkenalkan sebuah metode baru dalam pencarian outlier<br /> dengan melakukan pencarian frequent pattern atau frequent itemset dari suatu data<br /> set. Outlier didefinisikan sebagai data transakasi yang mempunyai frequent<br /> pattern yang kecil pada suatu itemset. untuk menentukan outlier diukur dengan<br /> suatu nilai yang disebut FPOF (Frequent Pattern Outlier Factor) menggunakan<br /> algoritma FindFPOF. Pada akhirnya, akan dihasilkan outlier yang diinginkan<br /> dengan batasan FPOF tertentu.<br /> FPOF cukup akurat untuk pencarian outlier pada categorical data, karena<br /> FPOF hanya memperhitungkan kemunculan frequent pattern dalam pencarian<br /> outlier.Kata Kunci : Frequent Pattern, Association Rule, Outlier Detection, Anomaly Detection, Data Mining.ABSTRACT: Commonly, outlier was defined as an observetion that is considerably<br /> dissimiliar with the remainder of the data. In a real world,outlier detection is very<br /> important for many application and has recently attracted much attention in the<br /> data mining research community. Problem in outlier detection has important part<br /> in fraud detection application, network analysis and intrusion detection.<br /> In this final task, is presented a new method for outlier detection by<br /> discovering frequent pattern or frequent itemset from the data set. The outlier are<br /> defined as the data than contain less frequent patterns in their itemsets. For<br /> discovering of outlier are measured with a value called FPOF (Frequent Pattern<br /> Outlier Factor) by FindFPOF Algorithm. At last, will be discovered an outlier by<br /> some value of FPOF.<br /> FPOF is accurate for detectimg outlier in categorical data, because<br /> FPOF only count number of frequency of frequent pattern in outlier detection.Keyword: Frequent Pattern, Association Rule, Outlier Detection, Anomaly Detection, Data Mining.

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook