Please use this identifier to cite or link to this item: http://repository.ipb.ac.id/handle/123456789/89649
Title: Pengelompokan Dokumen Publikasi dengan Topik Data Mining Berbasis Frequent Term Sets Menggunakan Algoritme ECLAT dan HFTC.
Authors: Istiadi, Muhammad Abrar
Sitanggang, Imas Sukaesih
Rachma, Octa Vidya
Issue Date: 2017
Publisher: Bogor Agricultural University (IPB)
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.
URI: http://repository.ipb.ac.id/handle/123456789/89649
Appears in Collections:UT - Computer Science

Files in This Item:
File SizeFormat 
G17ovr.pdf
  Restricted Access
13.53 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.