ANALISIS MODEL L-DIVERSITY DENGAN ALGORITMA SYSTEMATIC CLUSTERING DAN DATAFLY

SHAFA SYA’AIRILLAH, . (2019) ANALISIS MODEL L-DIVERSITY DENGAN ALGORITMA SYSTEMATIC CLUSTERING DAN DATAFLY. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

Text Skripsi_5235144277_Shafa Sya'airillah.pdf Restricted to Registered users only Download (3MB)

Abstract

Penelitian ini dilatar belakangi oleh teknik anonimitas data yang terdapatpada PrivacyPreserving Data Publishing.Sehingga data yang ingin dipublikasikan bersifatanonim, tanpa mengungkap informasi yang sebenarnya. Metode penelitian yang digunakan pada penelitian ini adalah rekayasa teknik dengan cara menghitung nilai information loss yangdihasilkanpada masing-masing algoritma, kemudian membandingkannya. Model yang digunakan pada penelitian ini adalah l-Diversity.Algoritma yang digunakan adalah algoritma Systematic Clustering dan algoritma Datafly.Data yang digunakan adalahdataset ‘Adult’yang diunduh dari repositori UCI Machine Learning.Sampel yang digunakan dari dataset ‘Adult’ini adalah sebanyak 2000 tuple.Nilai informationlosstertinggiyangdihasilkan algoritma Systematic Clusteringadalah475673.19,sedangkan nilai information losstertinggidari algoritma Dataflyadalah46298.00.Kemudian, untuk nilai information loss terendah yang dihasilkan algoritma Systematic Clustering adalah 22364.79, sedangkan nilai information loss terendah dari algoritma Dataflyadalah 36659.00. Algoritma dengan tingkat information loss paling kecil dianggap sebagai algoritma yang paling baik dalam membangun modell-Diversity diantara kedua algoritma yang diuji.Hasilpengujian menyatakanbahwa algoritmaSystematic Clusteringadalah algoritmayang paling baik dalammembangun model l-Diversitydi antara algoritma Systematic Clustering danDatafly

Item Type:	Thesis (Sarjana)
Additional Information:	1). Widodo., M.Kom., ; 2). Bambang Prasetya Adhi., S.Pd., M.Kom.,
Subjects:	Sains > Matematika > Software, Sistem Informasi Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	hartati .
Date Deposited:	18 Feb 2021 14:00
Last Modified:	18 Feb 2021 14:00
URI:	http://repository.unj.ac.id/id/eprint/12848

Actions (login required)

View Item