DIGITAL LIBRARY



JUDUL:POLA ASOSIASI PROFIL PELANGGAR LALU LINTAS TERHADAP PASAL PELANGGARAN DENGAN ALGORITMA RIPPER ( STUDI KASUS : POLRES BANJARBARU )
PENGARANG:Riski Putri Audia
PENERBIT:FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
TANGGAL:2018-08-20


POLA ASOSIASI PROFIL PELANGGAR LALU LINTAS TERHADAP PASAL PELANGGARAN DENGAN ALGORITMA RIPPER (Oleh: Riski Putri Audia; Pembimbing Ibu Fatma Indriani S.T, M.IT dan Bapak Radityo Adi Nugroho, S.T, M.Kom 2018; 60 halaman)
Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara kompleks dengan tujuan untuk menemukan pola atau kecenderungan yang penting yang biasanya tidak disadari keberadaannya. Salah satu algoritma dalam data mining adalah RIPPER. Dalam algoritma RIPPER dapat menyelesaikan dua permasalahan yaitu dua kelas dan banyak kelas. Dalam penelitiaan ini menggunakan banyak kelas. Untuk permasalahan banyak-kelas hal yang pertama dilakukan adalah mengurutkan kelas menurut kelaziman kelas meningkat (bagian dari instances yang dimiliki oleh kelas tertentu). RIPPER mempertimbangkan dua alternatif pada rule, pertama disebut penggantian rule, mulai dari rule yang kosong, ditumbuhkan dan diprune. Kedua disebut revisi rule, mulai dengan rule itu sendiri, ditumbuhkan dan kemudian diprune. Dua metode ini dibandingkan dengan rule original, dan tiga terpendek ditambahkan pada rule base. Optimisasi rule base dapat dilakukan sebanyak kali, biasanya dua kali. RIPPER efisien dan efektif pada training data dengan jumlah ratusan ribu dan terdapat banyak noise. Setelahnya dilakukan proses perhitungan MDL dan dilanjutkan dengan melakukan perhitungan association rule untuk mendapatkan pola frekuensi. Pada hasil proses pengujian didapatkan di tahun 2015 mendapatkan satu rule dengan profil tilang yaitu pekerjaan = Mahasiswa^jenis kelamin = Perempuan^Usia = C (26-50 Tahun) pasal yang dilanggar adalah pasal 288(1) dengan nilai support 0.10 % dan confidence 66.67% dan pada tahun 2016 mendapatkan lima rule dengan profil tilang yaitu pekerjaan = Mahasiswa^jenis kelamin = Perempuan^Usia = C (26-50 Tahun) pasal yang dilanggar adalah pasal 288(1) dengan nilai support 0.12 % dan confidence 62.50%.
Kata kunci: Data Mining, RIPPER, grow, prune, MDL, association rule

Berkas PDF
NODOWNLOAD LINK



File secara keseluruhan dapat di unduh DISINI