Earticle

현재 위치 Home

A Method of Discovering Interesting Association Rules from Student Admission Dataset

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJSEIA) 바로가기
  • 간행물
    International Journal of Software Engineering and Its Applications SCOPUS 바로가기
  • 통권
    Vol.9 No.8 (2015.08)바로가기
  • 페이지
    pp.51-66
  • 저자
    Wiwik Novitasari, Arief Hermawan, Zailani Abdullah, Rahmat Widia Sembiring, Tutut Herawan
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A252748

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
For the past decades and until now, association rule mining is one of the most prominent research topics in data mining. However, the main challenge among public or private practitioners is to find the interesting rule from data repository. As a result, many efforts have been put forward to explore this rule by applying several methods and interesting measures. Therefore, in this paper, we introduced an enhanced association rule mining method namely Significant Least Pattern Growth (SLP-Growth), where the algorithm embeds with two interesting measures called Critical Relative Support (CRS) and Correlation (Corr). The experiment uses the dataset that contains the records of preferred programs being selected by post-matriculation or post-STPM students of Malaysia via Electronic Management of Admission System (e-MAS) for the year 2008/2009. The experimental results show that the SLP-Algorithm with the embedded measures can successfully in categorizing the association rules. In addition, this information can be used by educators and higher university authority personnel in the university to understand the programs’ patterns being selected by the students. More importantly, it can assist them as a basis to offer more relevant programs to the potential students rather than by chance technique.

목차

Abstract
 1. Introduction
 2. Related Works
 3. Essential Rudiments
  3.1. Association Rules (ARs)
  3.2. Critical Relative Support
  3.3 Correlation Analysis
  3.4 FP-Growth
 4. Methodology
  4.1. Algorithm Development
  4.2. Weight Assignment
 5. Scenario on Capturing Rules
  5.1. Dataset
 6. Results and Discussion
 7. Conclusion
 Acknowledgment
 References

키워드

Data mining Association rule significant least patterns student dataset

저자

  • Wiwik Novitasari [ Universitas Muhammadiyah Tapanuli Selatan, Sumatera Utara, Indonesia ]
  • Arief Hermawan [ Universitas Teknologi Yogyakarta, Kampus Jombor, Yogyakarta, Indonesia ]
  • Zailani Abdullah [ Department of Computer Science, Universiti Malaysia Terengganu, Malaysia ]
  • Rahmat Widia Sembiring [ Politeknik Negeri Medan, Sumatera Utara, Indonesia ]
  • Tutut Herawan [ AMCS Research Center, Yogyakarta, Indonesia ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJSEIA) [Science & Engineering Research Support Center, Republic of Korea(IJSEIA)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Software Engineering and Its Applications
  • 간기
    월간
  • pISSN
    1738-9984
  • 수록기간
    2008~2016
  • 등재여부
    SCOPUS
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Software Engineering and Its Applications Vol.9 No.8

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.