Main Article Content

Abstract

Frequent Pattern Growth (FP-Growth) dan Compact Pattern Tree (CP-Tree) adalah algoritma Frequent Itemset Mining (FIM) yang menghasilkan frequent itemset dari transaksi database. Frequent itemset dapat digunakan sebagai representasi terstruktur untuk data teks yang merupakan data tidak terstruktur atau semi terstruktur. CP-Tree adalah algoritma FIM yang dikembangkan dari algoritma FP-Growth. Namun, CP-Tree melakukan proses data secara inkremental sedangkan FP-Growth non-inkremental. Artikel ini membahas analisis terhadap algoritma FP-Growth dan CP-Tree dalam menghasilkan representasi terstruktur dari data teks. Berdasarkan hasil analisis dan evaluasi terhadap algoritma FP-Growth CP-Tree diperoleh bahwa frequent itemset yang dihasilkan dari representasi pohon kedua algoritma tersebut sama. Secara proses algoritma FP-Growth lebih sederhana dibandingkan algoritma CP-Tree. Namun, algoritma CP-Tree lebih fleksibel terhadap penambahan transaksi baru dibandingkan algoritma FP-Growth. Hal ini dikarenakan CP-Tree tidak mengulang dari awal untuk proses scanning data dan membuat struktur pohon seperti FP-Growth apabila ada data transaksi baru.

Keywords

Algoritma, Compact Pattern Tree, Frequent Pattern Growth, Frequent Itemset, Frequent Pattern Mining, Teks Mining.

Article Details

How to Cite
[1]
Dian Sa’adillah Maylawati, “Analisis Perbandingan Algoritma FP-Growth dan CP-Tree untuk Data Teks”, algoritma, vol. 15, no. 1, pp. 1 - 6, Mar. 2018.

References