ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PEMILIK UMKM DENGAN ALGORITMA FP-GROWTH

Khotimah, Tutik and Darsin, Darsin and Supriyati, Endang and Latubessy, Anastasya and Susanto, Ariefpjl ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PEMILIK UMKM DENGAN ALGORITMA FP-GROWTH. Prosiding SNATIF, 5. pp. 517-522. ISSN 978-602-1180-86-0

[thumbnail of Cover]
Preview
Image (Cover)
Pb2 Cov.png - Published Version

Download (88kB) | Preview
[thumbnail of Artikel Jurnal]
Preview
Text (Artikel Jurnal)
Pb2 ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PEMILIK UMKM.pdf - Published Version

Download (189kB) | Preview
[thumbnail of Hasil Cek Plagiasi]
Preview
Text (Hasil Cek Plagiasi)
Pb2_14% ASSOCIATION RULE MINING UNTUK MENEMUKAN POLA PEMILIK UMKM DENGAN ALGORITMA FP-GROWTH.pdf - Published Version

Download (1MB) | Preview

Abstrak

Penelitian ini bertujuan untuk mengetahui pola pemilik UMKM di Kecamatan Banyumanik Kabupaten Semarang. Data yang digunakan sebanyak 449 record. Atribut yang digunakan meliputi jenis kelamin dan tingkat pendidikan. Algoritma yang digunakan untuk Association Rule Mining adalah algoritma FP-Growth. Dari penelitian ini dihasilkan 13 rule dengan nilai support terkecil 0,025. Dari ke-13 rule, dibagi menjadi 4 kelompok berdasarkan nilai support dan confidence. Kelompok pertama, dengan nilai support dan confidence yang tinggi, ada 1 aturan, yaitu aturan jika SMA maka Perempuan. Kelompok kedua, dengan nilai support tinggi sedangkan nilai confidence rendah, ada 1 aturan, yaitu aturan jika Perempuan maka SMA. Kelompok ketiga, dengan nilai support rendah sedangkan confidence tinggi, ada 5 aturan, yaitu aturan jika Sarjana maka Perempuan, jika SMP maka Perempuan, jika Tidak Sekolah maka Perempuan, jika Diploma maka Perempuan, dan jika SD maka Perempuan. Kelompok keempat, dengan nilai support dan confidence rendah, ada 6 aturan, yaitu aturan jika Perempuan maka Sarjana, jika Laki-laki maka Sarjana, jika SMP maka Laki-laki, jika SMA maka Laki-laki, jika Sarjana maka Laki-laki, dan jika Laki-laki maka SMA. Kata kunci: Association Rule Mining; FP-Growth; UMKM

Item Type: Article
Kata Kunci: Association Rule Mining; FP-Growth; UMKM
Subjects: Teknologi > Teknologi (umum)
Program Studi: Fakultas Teknik > S1 Teknik Informatika
Depositing User: Mr Arief Susanto
Date Deposited: 04 Jul 2023 20:12
Last Modified: 04 Jul 2023 20:12
URI: http://eprints.umk.ac.id/id/eprint/18573

Actions (login required)

View Item View Item