Setyaningrum, Novadyana (2014) Implementasi Metode Association Rule dengan Algoritma FP Growth pada Data Hasil Tangkapan Ikan Laut. Sarjana thesis, Universitas Brawijaya.
Abstract
Saat ini sumber daya alam yaitu hasil perikanan laut di Indonesia perlu menjadi perhatian khusus para pihak yang terkait. Salah satu hal yang perlu diperhatikan adalah mengenai informasi daerah penangkapan ikan untuk para nelayan. Setiap daerah mempunyai potensi jenis ikan laut yang jumlahnya berbeda-beda, hal ini dapat menimbulkan terjadinya permasalahan yaitu terdapat daerah tertentu yang kekurangan stok ikan, sedangkan pada daerah lain mengalami kelebihan stok. Tentu saja untuk mengatasi permasalahan ini harus diimbangi dengan adanya peningkatan teknologi dan sistem yang mampu memberikan informasi dan data yang akurat mengenai daerah penangkapan ikan beserta potensinya. Teknik khusus data mining yang digunakan dalam penelitian ini yaitu metode association rule dengan algoritma FP Growth. Metode tersebut akan digunakan untuk menganalisa data sehingga didapatkan pola data berupa pola ikan yang muncul di suatu daerah. Hasil pola ikan yang muncul tersebut akan dilakukan perhitungan nilai lift ratio (tingkat kekuatan) untuk mengetahui seberapa kuat peluang munculnya pola data yang dihasilkan. Dengan demikian, berdasarkan analisa pola data ikan diharapkan dapat membantu para nelayan dalam menangkap ikan dan mendistribusikannya. Penelitian ini menggunakan data dari Dinas Perikanan dan Keluatan Jawa Timur. Setelah dilakukan uji coba didapatkan bahwa metode association rule dengan algoritma FP Growth dapat diimplementasikan pada sebuah perangkat lunak dengan menghasilkan rule dengan nilai lift ratio rule. Pada penelitian ini didapatkan nilai lift ratio dari rule yang dihasilkan dengan minimum confidence 50% adalah nilai lift ratio tertinggi sebesar 2 dan nilai lift ratio terendah sebesar 1. Nilai rata-rata lift ratio tertinggi sebesar 1.86 yang terdapat pada Pamekasan.
English Abstract
Current natural resource that is the result of marine fisheries in Indonesia needs to be special attention of the parties concerned. One thing to note is the information regarding the fishing area for fishermen. Each region has a potential marine fish species whose numbers vary, this can lead to a problem that there are certain areas that lack fish stocks, whereas in other areas having excess stock. Of course, to solve this problem must be balanced by an increase in technology and systems that are capable of providing accurate information and data regarding fishing areas and opportunities. Special techniques of data mining that is used in this study is the association rule method with FP Growth algorithm. Methods will be used to analyze the data so obtained data patterns that emerge in the form of a pattern of fish in an area. The results of the emerging patterns of fish that will be the calculation of the lift ratio value (power level) to determine how strong probability that the data pattern generated. Thus, based on the analysis of the data pattern of fish is expected to help the fishermen in catching fish and distribute them. This study uses data from the Department of Fisheries and Marine East Java. After testing found that the association rule method with FP Growth algorithm can be implemented in software by generating a rule with lift ratio rule value. In this study, the lift ratio value generated by the minimum confidence value 50% is the highest lift ratio value at 2 and the lowest lift ratio value at 1. This research have resulted 1.86 in average value of lift ratio found in Pamekasan.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2014/211/051406226 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 30 Oct 2014 15:18 |
| Last Modified: | 20 Oct 2021 04:49 |
| URI: | http://repository.ub.ac.id/id/eprint/145999 |
Preview |
Text
SKRIPSI_FPG.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |