IMPLEMENTASI DATA MINING UNTUK ANALISA TINGKAT PELANGGARAN LALU LINTAS DENGAN ALGORITMA ASSOCIATION RULE

Yera Wahda Wahdi

doi:10.31869/rtj.v1i1.611

IMPLEMENTASI DATA MINING UNTUK ANALISA TINGKAT PELANGGARAN LALU LINTAS DENGAN ALGORITMA ASSOCIATION RULE

Yera Wahda Wahdi

Sari

Kepolisian berkaitan dengan fungsinya sebagai pengayom masyarakat diharapkan mampu mengambil tindakan dalam menyikapi pelanggaran lalu lintas dengan melakukan operasi razia dalam mengungkap pelanggaran yang dapat dilakukan dengan menggunakan teknik analisis dari kebiasaan seberapa sering pelanggaran lalu lintas dilakukan. Pendeteksian pelanggaran lalu lintas yang sering terjadi secara bersamaan disebut Association Rule.

Kata Kunci : Data Mining, FP-Growth

Teks Lengkap:

Hal 105-112

Referensi

POLRESTA PADANG

Pramudiono, Iko. 2003. Pengantar Data Mining : Menambang Permata Pengetahuan di Gudang Data. http:// www.ilmukomputer.com, tanggal akses 24 April 2014.

Erwin, 2009. Analisis Market Basket Dengan Algoritma Apriori dan FP-Growth. Jurnal Generic, vol. 4.

Irdiansyah,Enur.(2010).”Penerapan Data Mining Pada Penjualan Produk Minuman Di PT. Pepsi Cola Indobeverages Menggunakan Metode Clustering”. Bandung.Univeritas Komputer Indonesia.

Subekti Mujiasih (2011). Pemanfatan Data Mining Untuk Prakiraan Cuaca

Sani Susanto dan Dedy Suryadi (2010). Pengantar Data Mining. Yogyakarta. Penerbit Andi.97.

Nugroho Wandi. et all (2012). Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Pengendalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur)

Kusrini dan Emha Taufig Luthfi (2009). Algoritma Data Mining. Yogyakarta. Penerbit Andi.3-12.

R.Agrawal, C. Aggarwal, dan V. V. V. Prasad. ”A tree projection algorithm for generation of frequent itemsets”. Pada J. Parallel dan Distributed Computing, 2000.

DOI: https://doi.org/10.31869/rtj.v1i1.611