| dc.contributor.advisor | Istiadi, Muhammad Abrar | |
| dc.contributor.advisor | Sitanggang, Imas Sukaesih | |
| dc.contributor.author | Rachma, Octa Vidya | |
| dc.date.accessioned | 2018-01-29T07:18:28Z | |
| dc.date.available | 2018-01-29T07:18:28Z | |
| dc.date.issued | 2017 | |
| dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/89649 | |
| dc.description.abstract | Dokumen publikasi berbentuk jurnal dengan topik data mining yang
tersedia pada jaringan internet sering digunakan untuk mencari informasi.
Pengelompokan dokumen diperlukan untuk mempermudah proses pencarian
informasi. Salah satu metode yang digunakan adalah teknik clustering. Penelitian
ini melakukan pengelompokkan dokumen publikasi dengan topik data mining
dalam bahasa Inggris berbasis frequent term sets berdasarkan isi dari abstrak,
terdiri atas judul, isi abstrak dan kata kunci. Penelitian ini menggunakan algoritme
ECLAT (Equivalence Class Transformation) untuk menentukan frequent term
sets dan algoritme HFTC (Hierarchical Frequent Term based Clustering) untuk
menentukan hirarki frequent term sets. Hasil dari penelitian ini berupa term
dengan nilai informasi yang spesifik sesuai topik data mining. Salah satu term
yang terbentuk adalah “associ-rule”, “classif-rule” yang menjelaskan bahwa term
tersebut muncul bersamaan dalam dokumen. | id |
| dc.language.iso | id | id |
| dc.publisher | Bogor Agricultural University (IPB) | id |
| dc.subject.ddc | Computer Sciences | id |
| dc.subject.ddc | Algorithms | id |
| dc.subject.ddc | 2016 | id |
| dc.subject.ddc | Bogor, Jawa Barat | id |
| dc.title | Pengelompokan Dokumen Publikasi dengan Topik Data Mining Berbasis Frequent Term Sets Menggunakan Algoritme ECLAT dan HFTC. | id |
| dc.type | Undergraduate Thesis | id |
| dc.subject.keyword | clustering,dokumen | id |
| dc.subject.keyword | ECLAT | id |
| dc.subject.keyword | Frequent term sets | id |
| dc.subject.keyword | HFTC | id |
| dc.subject.keyword | term | id |
