Efficient algorithms for deriving complete frequent itemsets from frequent closed itemsets

Wu, Cheng; Huang, Jian Tao; Chuang, Chien Yu; Tseng, Yu-Chuan

doi:10.1007/s10489-020-02172-7

Cited by 5 publications

(1 citation statement)

References 26 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Faktor yang berpengaruh terhadap kompetensi perawat pada UKNI dapat diteliti dengan menggunakan teknologi data mining. Data Mining atau disebut juga dengan knowledge discovery in database (KDD) adalah proses mengolah data yang berukuran besar dengan mengekstrak informasi yang diperlukan dan menemukan pengetahuan tersembunyi dalam suatu database sehingga mendapatkan nilai tambah yang berguna dalam pengambilan keputusan [4], [5], [6], [7], [8]. Data Mining adalah proses penggalian informasi dan pengetahuan tentang nilai potensial dari data yang besar, acak, kabur, tidak lengkap, dan mengandung noise [9].…”

Section: Pendahuluanunclassified

Akurasi dalam Analisis Kompetensi Calon Tenaga Keperawatan Menggunakan Algoritma Apriori

Habib-ur-Rahman¹

2022

INFEB

View full text Add to dashboard Cite

Setiap lulusan S1 keperawatan (NERS) harus dinyatakan kompeten pada Uji Kompetensi Ners Indonesia (UKNI) yang diadakan Kemdikbud untuk mendapatkan Surat Tanda Registrasi (STR) sebagai syarat bekerja. Tingkat kelulusan mahasiswa keperawatan dalam mengikuti UKNI sangat rendah jika dibandingkan dengan beberapa negara lain. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang perlu dioptimalkan calon tenaga keperawatan dalam persiapan menghadapi UKNI dengan teknologi data mining. Data yang diolah dalam penelitian ini bersumber dari Appskep Indonesia, suatu startup yang bergerak di bidang pendidikan kesehatan, diantaranya try out dan bimbingan belajar UKNI. Appskep memiliki data kelulusan UKNI lebih dari 2000 pesertanya yang tersebar di seluruh Indonesia pada tahun 2021 dan 2022. Data tersebut dianalisis menggunakan Algoritma Apriori untuk menemukan rule-rule asosiasi yang terkait dengan kelulusan calon tenaga perawat dalam UKNI. Hasil dari pengolahan data peserta UKNI ini adalah ditemukannya beberapa set rule asosiasi yang mempengaruhi kompeten atau tidaknya calon tenaga perawat dalam UKNI. Rule asosiasi yang paling dominan adalah jika penguasaan materi keperawatan jiwa lebih dari 60 persen maka seorang perawat akan lulus pada UKNI, dengan support 55% dan confidence 100%.

show abstract

Section: Pendahuluanunclassified

Akurasi dalam Analisis Kompetensi Calon Tenaga Keperawatan Menggunakan Algoritma Apriori

Habib-ur-Rahman¹

2022

INFEB

View full text Add to dashboard Cite

show abstract

A fundamental approach to discover closed periodic-frequent patterns in very large temporal databases

Pamalla,

Rage,

Penugonda

et al. 2023

Appl Intell

View full text Add to dashboard Cite

An approach based on maximal cliques and multi-density clustering for regional co-location pattern mining

Wang,

Wang

et al. 2024

Expert Systems with Applications

View full text Add to dashboard Cite

Efficient algorithms for deriving complete frequent itemsets from frequent closed itemsets

Cited by 5 publications

References 26 publications

Akurasi dalam Analisis Kompetensi Calon Tenaga Keperawatan Menggunakan Algoritma Apriori

Akurasi dalam Analisis Kompetensi Calon Tenaga Keperawatan Menggunakan Algoritma Apriori

A fundamental approach to discover closed periodic-frequent patterns in very large temporal databases

An approach based on maximal cliques and multi-density clustering for regional co-location pattern mining

Contact Info

Product

Resources

About