ALGORITMA TPDA DAN TPDA Π SEBAGAI ALTERNATIF STRUKTUR BAYESIAN NETWORK

Authors

  • Ivan Michael Siregar

DOI:

https://doi.org/10.61769/telematika.v5i1.29

Abstract

Knowledge discovery in databases (KDD) merupakan
proses pencarian pengetahuan bermanfaat dari data menggunakan
teknik komputasi. Salah satu langkah khusus dalam KDD adalah
data mining, yaitu aplikasi algoritma spesifik untuk mengekstrak
pola/model dari data. Salah satu representasi model data mining
adalah Bayesian Network (BN). BN digunakan untuk
merepresentasikan pengetahuan tentang hubungan
kebebasan/kebergantungan diantara variabel. BN terdiri dari
struktur yang merepresentasikan pengetahuan secara kualitatif
dan parameter yang merepresentasikan pengetahuan secara
kuantitatif. Ada dua poendekatan untuk mengkonstruksi struktur
BN dari data, yaitu metode analisis dependensi dan metode search
& scoring. Tujuan utama tugas akhir ini adalah melakukan studi
dan implementasi dari Algoritma TPDA dan TPDA-π untuk
mengkonstruksi struktur BN dari data.

Downloads

Published

2017-10-03

Issue

Vol. 5 No. 1 (2009)

Section

Articles

License

 

You are free to:

  1. Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
  2. Adapt — remix, transform, and build upon the material for any purpose, even commercially.
  3. The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:

  1. Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  2. ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
  3. No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:

You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.

No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.