Article Per Year (5 Year)
p-Index From 2021 - 2026
1.857
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Agri-Informatika Jurnal Teknik EKONOMIKA45 Jurnal Cakrawala Ilmiah Jurnal Riset Rumpun Agama dan Filsafat JOINCS (Journal of Informatics, Network, and Computer Science) Darussalam : Jurnal Ilmiah Islam dan Sosial Ta'rim: Jurnal Pendidikan dan Anak Usia Dini Tabayyun Jurnal Pengabdian Masyarakat dan Riset Pendidikan Darussalam : Jurnal Ilmiah Islam dan Sosial
Miftah Farid
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Physics Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Ilmu Komputer dan Agri-Informatika

 1 
Pengelompokan Dokumen Tugas Akhir Mahasiswa S1 Ilmu Komputer IPB Berdasarkan Frequent Term Sets Miftah Farid; Imas Sukaesih Sitanggang
Jurnal Ilmu Komputer & Agri-Informatika Vol. 7 No. 1 (2020)
Publisher : Departemen Ilmu Komputer - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (512.633 KB) | DOI: 10.29244/jika.7.1.41-49

Abstract

Pengelompokan dokumen tugas akhir mahasiswa perlu dilakukan karena dokumen tugas akhir mahasiswa bertambah setiap tahunnya. Pengelompokan dokumen dilakukan agar dokumen yang memiliki kesamaan konteks dapat dikelompokkan ke dalam suatu kategori. Tujuan dari penelitian ini menerapkan teknik association rule mining (ARM) untuk menentukan frequent term sets dengan menggunakan algoritme ECLAT. Data yang digunakan dalam penelitian ini adalah data abstrak dokumen tugas akhir mahasiswa Ilmu Komputer IPB dalam bahasa Inggris. Penelitian ini menggunakan algoritme ECLAT dengan minimum support sebesar 0.1, 0.15, 0.20, 0.25, 0.30, dan 0.35. Penelitian ini menggunakan metode hierarchical frequent term based clustering untuk menentukan cluster. Frequent term sets hasil algoritme ECLAT masih terlalu umum untuk digunakan sebagai penciri dokumen. Pada penelitian ini hasil clustering dengan minimum support 0.35 terbentuk 3 tingkat hirarki term. Term yang sering muncul pada minimum support 0.35 adalah ‘result’, ‘base’, ‘use’, ‘one’, ‘data’. Sedangkan asosiasi dua term yang sering muncul pada minimum support 0.35 adalah ‘result-use’, ‘base-use’, ‘one-use’, ‘data-use’. Hasil clustering dapat mempermudah pencarian dokumen berdasarkan kata kunci tertentu. Kata Kunci: association rule mining, ECLAT, frequent term sets, clustering hirarki
Co-Authors Ahmad Daelami Ahmad Syawal Awang Rahmawan Prakoso Cepi Arifin Endang Setyati Fahri Habibi Hasan Basri Imas Sukaesih Sitanggang Iskandar, Handoko Rusiana Joan Santoso Khalilurrahman Liana Fuadah Muhamad Iqbal Wibisono MUHAMMAD ADIB IQBAL Muhammad Anas Kamaluddin Muhammad Zulkifli Mujahidah Mujahidah Mulyawan Safwandy Nugraha Nadilla Aleyda Maqhfira Agustin Reza Aprianti Singgih Prastyo Nugroho Sudarto Sudarto