Data Mining Optimization uses C4.5 Classification and Particle Swarm Optimization (PSO) in the location selection of Student Boardinghouses

Waluyo, Ari; Jatnika, Hendra; Permatasari, Marlina Rahmi Shinta; Tuslaela, T; Purnamasari, Indah; Windarto, Agus Perdana

doi:10.1088/1757-899x/874/1/012024

Cited by 19 publications

(9 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Data mining is the process of obtaining data from databases using algorithms and techniques that include statistics, mechanical study and databases, in which data extraction in a large variety of databases gives you a joy in the form of knowledge [11,[15][16][17]. Important matters concerning the mining of data are: a.…”

Section: Data Miningmentioning

confidence: 99%

Market basket analysis of administrative patterns data of consumer purchases using data mining technology

Samboteng¹,

Rulinawaty²,

Kasmad³

et al. 2022

J Appl Eng Science

View full text Add to dashboard Cite

Food is the ingredient that enables people to grow, develop, and achieve. For this reason, food quality and types of food must be considered so that they are safe for consumption and managed. Some plant-based foodstuffs are often processed and consumed by the community, even the most needed in food processing. In this case, the research was carried out using data mining with market basket analysis algorithms to obtain very valuable information to decide the inventory of the type of material needed. Market Based Analysis method is used to analyze all data and create patterns for each data. One method of Market Based Analysis in question is the association rule with a priori algorithm. This algorithm produces sales transactions with strong associations between items in the transaction which are used as sales recommendations that help users (owners) get recommendations when users see details of the itemset purchased. From the results of the trials in this study, it was found that the greater the minimum support (minsup) and minimum confidence (minconf), the less time it takes to produce recommendations and the fewer recommendations are given, but the recommendations given come from transactions that often appear.

show abstract

Section: Data Miningmentioning

confidence: 99%

Market basket analysis of administrative patterns data of consumer purchases using data mining technology

Samboteng¹,

Rulinawaty²,

Kasmad³

et al. 2022

J Appl Eng Science

View full text Add to dashboard Cite

show abstract

“…Memiliki banyak informasi saja tidak cukup jika tidak dapat mengelolanya menjadi alternatif terbaik dalam pengambilan keputusan [1]. Data mining adalah [2]- [6] bagian dari machine learning dimana bertugas mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu [7]. Salah satu metode yang merupakan bagian dari data mining adalah Metode Rough Set (RS) [8].…”

Section: Pendahuluanunclassified

“…Salah satu metode yang merupakan bagian dari data mining adalah Metode Rough Set (RS) [8]. Selama bertahun-tahun, Rough Set telah menjadi minat para peneliti dan telah diterapkan ke banyak domain, seperti klasifikasi data [4]- [6], [9]- [12], pengelompokan data, dan penambangan aturan asosiasi [13]. Keuntungan utama menggunakan metode RS adalah bahwa metode tersebut tidak memerlukan informasi awal atau tambahan tentang data seperti probabilitas dalam statistik, tingkat keanggotaan, atau nilai kemungkinan dalam teori himpunan fuzzy [14].…”

Section: Pendahuluanunclassified

Penerapan Machine Learning dengan Konsep Data Mining Rough Set (Prediksi Tingkat Pemahaman Mahasiswa terhadap Matakuliah)

Raharjo

Windarto

2021

mib

Self Cite

View full text Add to dashboard Cite

The Rough Set (RS) method is part of machine learning that analyzes the uncertainty of the dataset used to determine the attributes of important objects (classification). The purpose of this study was to extract information from the rough set using the Rosetta application in predicting cases of students' level of understanding of the course. The attributes used are communication (F1), learning atmosphere (F2), learning media (F3), appearance (F4), and teaching methods (F5). Sources of data obtained from the output of the Journal of Physics: Conference Series, 1255 (1). https://doi.org/10.1088/1742-6596/1255/1/012005. The results of the application of the Rough Set method in determining the prediction of the level of student understanding of the course, produce new knowledge, namely learning outcomes based on the subject. There are 15 Reductions with 90 Generate Rules. But overall, the attributes that affect the level of student understanding of the subject are communication (F1) and learning media (F3)

show abstract

“…Dalam suatu dataset yang besar, data mining merupakan sebuah bentuk proses penyelesaian yang menghasilkan beberapa pola baru menjadi suatu informasi yang berguna [1]. Beberapa teknik penyelesaian yang biasa digunakan dalam data mining, yaitu estimasi, asosiasi, klastering, dan klasifikasi [2]. Klastering biasanya digunakan dalam menemukan sejumlah kelompok data [3], teknik klasifikasi digunakan untuk menganalisis data menggunakan model kelas data untuk memprediksi label [4].…”

Section: Pendahuluanunclassified

Perbandingan Algoritma C4.5 dengan C4.5+Particle Swarm Optimization untuk Klasifikasi Angkatan Kerja

Safira

Mustakim

2021

JKT

View full text Add to dashboard Cite

Dalam suatu dataset yang besar, data mining merupakan sebuah proses penyelesaian yang menghasilkan beberapa pola baru menjadi pengetahuan yang berguna. Algoritma yang sering dipakai dalam machine learning salah satunya adalah C4.5. Algoritma ini terkenal sangat kuat dalam melakukan klasifikasi, namun masih memiliki beberapa kelemahan seperti sering terjadinya overlapping dan overfitting data yang membuat data menjadi tidak relevan sehingga dapat mengurangi tingkat akurasi dari algoritma. Untuk menangani ini dibutuhkannya seleksi atribut yang dapat mengidentifikasi atribut yang relevan, tanpa mengurangi akurasi dari algoritma itu sendiri. Algoritma optimasi Particle Swarm Optimization (PSO) merupakan salah satu algoritma yang mampu digunakan sebagai seleksi atribut. Keuntungan dari PSO ini mudah diterapkan, efisien dalam perhitungan dan memiliki konsep yang sederhana dibandingkan dengan teknik optimasi lainnya. Jumlah dataset yang akan digunakan pada penelitian ini sebanyak 2.518 dataset dimana sebelumnya dilakukan pembagian dataset dengan menggunakan algoritma K-Means dan K-Medoid. Atribut yang digunakan sebanyak 4 atribut yaitu, jenis kelamin, umur, tingkat produktivitas dan pendidikan terakhir. Dari penelitian ini, diperoleh hasil bahwa akurasi yang diberikan oleh C4.5 yang telah dioptimasi menggunakan algoritma Particle Swarm Optimization (PSO) terbukti lebih tinggi dibandingkan mengggunakan algoritma C4.5 saja. Dimana algoritma C4.5+PSO memiliki akurasi sebesar 66,80% sedangkan algoritma C4.5 memiliki akurasi sebesar 76,32%.

show abstract

Data Mining Optimization uses C4.5 Classification and Particle Swarm Optimization (PSO) in the location selection of Student Boardinghouses

Cited by 19 publications

References 13 publications

Market basket analysis of administrative patterns data of consumer purchases using data mining technology

Market basket analysis of administrative patterns data of consumer purchases using data mining technology

Penerapan Machine Learning dengan Konsep Data Mining Rough Set (Prediksi Tingkat Pemahaman Mahasiswa terhadap Matakuliah)

Perbandingan Algoritma C4.5 dengan C4.5+Particle Swarm Optimization untuk Klasifikasi Angkatan Kerja

Contact Info

Product

Resources

About