DATA MINING DENGAN ALGORITMA APRIORI PADA RDBMS ORACLE

  • Dana Sulistiyo Kusumo
  • Moch. Arief Bijaksana
  • Dhinta Darmantoro

Abstract

Data mining merupakan proses analisis data menggunakan perangkat lunak untuk menemukan pola dan aturan (rules) dalam himpunan data. Data mining dapat menganalisis data yang besar untuk menemukan pengetahuan guna mendukung pengambilan keputusan. Dalam penelitian ini akan dibahas Association Rule sebagai salah satu fungsi data mining yang diimplementasikan menggunakan Algoritma Apriori. Akan dianalisis pula dua teknik penghitungan support di candidate generation pada Algoritma Apriori, yakni : K-way dan 2 Group-By pada tiga sampel dataset dengan atribut transaksi id dan item. Pada penelitian ini terlihat bahwa permasalahan penghitungan support di candidate generation merupakan bottleneck dari Algoritma Apriori dimana perbaikan Algoritma Apriori ditekankan pada candidate generation dan efektivitas dari Algoritma Apriori. Penelitian ini dilakukan pada RDBMS Oracle dengan memanfaatkan tools TKPROF untuk mengukur performansi query berdasarkan operasi I/O pada penghitungan support di candidate generation. Hasil penelitian membuktikan bahwa metode support counting K-way lebih baik daripada Two Group-by.

Kata Kunci :
Data Mining, Association Rule, Algoritma Apriori, candidate generation, K-way, 2 Group-By

Downloads

Download data is not yet available.

Author Biographies

Dana Sulistiyo Kusumo
Jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom
Moch. Arief Bijaksana
Jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom
Dhinta Darmantoro
Jurusan Teknik Informatika Sekolah Tinggi Teknologi Telkom
Published
2016-09-20
How to Cite
KUSUMO, Dana Sulistiyo; BIJAKSANA, Moch. Arief; DARMANTORO, Dhinta. DATA MINING DENGAN ALGORITMA APRIORI PADA RDBMS ORACLE. TEKTRIKA - Jurnal Penelitian dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, dan Elektronika, [S.l.], v. 8, n. 1, sep. 2016. ISSN 2502-2105. Available at: <//journals.telkomuniversity.ac.id/tektrika/article/view/215>. Date accessed: 29 mar. 2024. doi: https://doi.org/10.25124/tektrika.v8i1.215.
Section
Survey Articles