Analisis dan Implementasi Sequence Pattern Mining Pada Data Sequential Multidimensional Menggunakan Algoritma PrefixMDSpan

ALINDA PRIMA DAMAYANTI

Informasi Umum

Kode

113041042

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Rekayasa Perangkat Lunak

Dilihat

472 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Knowledge Discovery from Database (KDD)berfungsi untuk menghasilkan pengetahuan dari sekumpulan data yang terdapat di dalam satu atau lebih basis data. Salah atu prosesnya adalah data mining. Terdapat beberapa jenis pola hasil proses data mining, diantaranya sequential pattern. Sequential pattern menggambarkan keterurutan suatu peristiwa yang terjadi beberapa kali dalam kurun waktu tertentu. Terdapat beberapa Algoritma untuk melakukan Sequential Pattern Mining, diantaranya PrefixSpan. Tugas Akhir ini mengkaji Algoritma PrefixMDSpan yang merupakan turunan dari Algoritma PrefixSpan (Prefix-projected Sequential pattern mining) yang digunakan pada data sequential multidimensional. Hasil pengujian menunjukkan bahwa jumlah minimum support mampu membatasi menarik tidaknya suatu pola yang dihasilkan dan dari pola-pola tersebutdidapatkan informasi yang bisa digunakan untuk menentukan sebuah kebijakan baru pada periode berikutnya atau yang akan datang untuk item-item tertentu.Kata Kunci : Knowledge Discovery from Database, data mining, Sequential pattern, PrefixSpan, PrefixMDSpan, sequential multidimensional, minimum support.ABSTRACT: Knowledge Discovery from Databases (KDD) function to generate knowledge from a collection of the data contained in one or more databases. One of the process is data mining. There are several types of patterns the data mining process, including sequential pattern. Sequential patterns describe pattern an event that occurred several times within a certain time. There are several algorithms for Sequential Pattern Mining, such as PrefixSpan. This final project review PrefixMDSpan algorithm which is derived from Algorithm PrefixSpan (Prefix-projected Sequential pattern mining) that are used in sequential multidimensionaldata. Test results showthat theminimum amount ofsupportcanlimit thedrawwhether or not apattern thatis producedandfromthe patternsobtainedinformation that couldbe usedtodetermineanewpolicyin the next periodor willcometocertain items.Keyword: Knowledge Discovery from Database, data mining, Sequential pattern, PrefixSpan, PrefixMDSpan, sequential multidimensional, minimum support.