Tugas ini berisi tentang Algoritma, Pseudocode dan Flowchart : 1. Cara mengirim e-mail kepada teman dengan asumsi sudah mempunyai akun e-mail 2. Meminjam buku di perpustakaan. 3. Pada saat membe...
Deskripsi lengkap
TUGAS BESAR ALGODeskripsi lengkap
STIKOM YOS SUDARSO
Tugas ini berisi tentang Algoritma, Pseudocode dan Flowchart : 1. Cara mengirim e-mail kepada teman dengan asumsi sudah mempunyai akun e-mail 2. Meminjam buku di perpustakaan. 3. Pada saa…Full description
algoritma
efektifitas mifepriston dan misoprostolFull description
kDeskripsi lengkap
akuntansi syariahDeskripsi lengkap
Full description
Full description
tumor testis
TUGAS REVIEW JURNAL STATISTIKADeskripsi lengkap
Full description
jurnal marketing
NO.
NAMA PENULIS
TAHUN TERBIT / UNIVERSITAS
JUDUL
ALGORITMA
KESIMPULAN
1.
Rana Rafsanzani
Tahun 2015, Universitas Brawijaya
Pencarian Association Rule pada data pengguna Aplikasi Android dengan Metode FP-Growth
Frequent Pattern Growth
Menggunakan metode Frequent Pattern Growth akan dicari pola keterkaitan dari suatu kategori aplikasi dengan kategori aplikasi yang lain yang di-instal oleh pengguna Android sehingga diketahui kategori aplikasi yang banyak digunakan oleh pengguna. Untuk mencari kekuatan rule yang terbentuk digunakan lift ratio. Rule dengan nilai lift ratio tertinggi adalah 1.578947368 yaitu jika pengguna menggunakan aplikasi dengan kategori media & video dan fotografi maka pengguna itu juga akan menggunakan aplikasi dengan kategori gaya hidup.
2.
Dyah Pramesthi Larasati
Tahun 2015,
Universitas Telkom Bandung
Analisis dan Implementasi Algoritma FP-Growth pada Aplikasi Smart Untuk Menentukan Market Basket Analysis Pada Usaha Retail (Studi Kasus : PT.X)
Frequent Pattern Growth
Penelitian ini membahas masalah tentang bagaimana sistem kerja Market Basket Analysis dengan menggunakan algoritma FP-Growth, perancangan sistem dengan menggunakan algoritma FP-Growth, dan menetapkan frequent itemset dan rule. Hasil pengujian yang diperoleh adalah rata-rata pada nilai minsupp=0.006 dan minconf=0.6 tidak menghasilkan rules, dan rata-rata waktu proses adalah 957 ms.
3.
Tia Arifatul Maulida
Tahun 2013,
Universitas Dian Nuswantoro Semarang
Analisa Data Mining Menggunakan Algoritma Frequent Pattern Growth Pada Data Transaksi Penjualan Restoran Joglo Semarang
Frequent Pattern Growth
Salah satu teknik Data Minning adalah Association Rule, yang merupakan prosedur dalam Market Basket Analysis untuk mencari pengetahuan berupa pola pembelian konsumen. Pola ini, dapat menjadi masukan dalam membuat kebijakan dan strategi bisnis. Suatu pola ditentukan oleh dua parameter, yaitu support (nilai penunjang) dan confidence (nilai kepastian). Market Basket Analysis ini menggunakan algoritma Frequent Pattern Growth (FP-Growth) dengan menerapkan struktur data Tree atau disebut dengan FP-Tree untuk menemukan pola. Salah satu pola yang dihasilkan dari analisis terhadap data transaksi 3 bulan terakhir dengan 11 kategori item , yaitu jika membeli telur ayam maka membeli mie instant dengan nilai support = 3.13% dan nilai confidence = 72.72%.
4.
Ririanti
Tahun 2014,
STMIK Budi Darma Medan
Implementasi Algoritma FP-Growth Pada Aplikasi Prediksi Persediaan Sepeda Motor (Studi Kasus PT. Pilar Deli Labumas)
Frequent Pattern Growth
Melalui proses mining dengan algoritma fp-growth ini maka akan di peroleh jenis sepeda motor mana yang lebih banyak terjual, dan berapa banyak persediaan yang di perlukan perusahaan untuk menyediakan sepeda motor. Karena banyaknya persediaan mempengaruhi modal yang harus di keluarkan untuk persediaan dan perawatan. Persediaan yang terlalu banyak akan memakan banyak tempat dan mengurangi laba.
5.
Novadyana Setyaningrum
Universitas Brawijaya Malang
Implementasi Metode Association Rule Dengan Algoritma FP-Growth Pada Data Hasil Tangkapan Ikan Laut
Frequent Pattern Growth
Rule yang dihasilkan dari penerapan algoritma FP Growth dalam permasalahan data hasil tangkapan ikan laut ini memiliki tingkat kekuatan (lift ratio) sebesar lebih dari 1 untuk rule dengan nilai minimum confidence 50% jenis ikan tersebut muncul secara bersamaan. Untuk nilai lift ratio tertinggi sebesar 2 dan untuk nilai lift ratio terendah sebesar 1. Nilai rata-rata lift ratio tertinggi sebesar 1.86 pada daerah Pamekasan, sedangkan nilai rata-rata terendah sebesar 1.24 pada daerah Bangkalan
dan Muncar.
6.
Rizky Mei Anggraeni
Universitas Dian Nuswantoro
Semarang
Perbandingan Algoritma Apriori Dan Algoritma Fp-Growth Untuk Perekomendasi Pada Transaksi Peminjaman Buku Di Perpustakaan Universitas Dian Nuswantoro
Frequent Pattern Growth
&
Apriori
Algoritma FP-Growth dan Algoritma Apriori layak diimplementasikan untuk perekomendasi peminjaman buku berdasarkan aturan asosiasi, kedua algoritma juga mempunyai kesamaan hanya saja pada kecepatan eksekusi program lebih cepat menggunakan algoritma fp-growth.
7.
Ali Ikhwan
STMIK Triguna Dharma
Penerapan Data Mining Dengan Algoritma Fp-Growth Untuk Mendukung Strategi Promosi Pendidikan (Studi Kasus Kampus STMIK Triguna Dharma)
Frequent Pattern Growth
Untuk menemukan rule atau knowledge yang sangat berarti dalam menganalisa strategi dalam
menentukan promosi pendidikan, dibutuhkan banyak data sampel yang digunakan untuk proses ekstraksi rule atau knowledge tersebut.
