PERBANDINGAN KINERJA ALGORITMA SYSTEMATIC CLUSTERING DAN GREEDY K-MEMBER PADA MODEL K-ANONYMITY YANG MENGGUNAKAN DUA ATRIBUT SENSITIF

NASIHA SAKINA, . (2017) PERBANDINGAN KINERJA ALGORITMA SYSTEMATIC CLUSTERING DAN GREEDY K-MEMBER PADA MODEL K-ANONYMITY YANG MENGGUNAKAN DUA ATRIBUT SENSITIF. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text BAB-I.pdf Download (159kB)
	Text 1.pdf Download (204kB)
	Text BAB-II.pdf Download (621kB)
	Text BAB-III.pdf Download (364kB)
	Text cover-dkk.pdf Download (616kB)
	Text cover.pdf Download (218kB)
	Text BAB-IV.pdf Download (437kB)
	Text BAB-V.pdf Download (146kB)
	Text DAFTAR-RIWAYAT-HIDUP-FIX.pdf Download (5kB)
	Text LAMPIRAN.pdf Download (0B)
	Text DAFTAR-PUSTAKA.pdf Download (263kB)

Abstract

Latar belakang dari penelitian ini adalah adanya perusahaan atau organisasi yang harus menyebarkan infromasi tanpa harus diketahui informasi aslinya, sehingga dilakukan penganoniman data. Model yang digunakan adalah KAnonymity dan algortima yang akan digunakan adalah Algoritma Systematic Clustering dan Algoritma Greedy K-Member. Metode yang digunakan adalah rekayasa teknik dimana nantinya akan dihitung algoritma mana yang memiliki information loss paling sedikit untuk mengetahui algoritma mana yang lebih baik. Tujuan dari penelitian ini ialah diharapkan perusahaan atau organisasi dapat memberikan informasi mengenai perusahannya tapi tidak secara detail sehingga masih tetap aman. Data pada penelitian ini di ambil dari UCI Machine Learning Repository. Dataset yang digunakan adalah data set Adult. Hasil dari penelitian ini adalah nilai information loss terendah untuk Systematic Clustering adalah 11843,9 dan untuk Greedy K-Member adalah 13950,83. Sedangkan nilai information loss terbesar untuk Systematic Clustering adalah 14705,2 dan untuk Greedy K-Member adalah 13962,09. Kesimpulan dari penelitian ini adalah Algoritma Systematic Clustering lebih baik dibandingkan dengan Algoritma Greedy K-Member. The background of this research is the existence of companies or organizations which need to share information without revealing the original version, so anonymization of the data is required. K anonymity has been used as a method of this research, meanwhile systematic clustering algorithm and greedy K member algorithm as the algorithm. The K algorithm method is an engineering which will be calculated to decide which one of the algorithm that has the least information loss, so the best algorithm will be known. The purpose of this research is hopefully the company or organization could give information about themselves narrowly, so it's still safe. The data in this research was taken from UCI machine learning repository. Adult data set has been used as data set. The result of this research is 11843,9 as the least value of information loss for systematic clustering and 13950,83 for the greedy K member. Meanwhile the biggest value of information loss for systematic clustering is 14705,2 and 13962,09 for greedy K member. The conclusion of this research is Systematic Clustering Algorithm is better than Greedy K-Member Algorithm.

Item Type:	Thesis (Sarjana)
Additional Information:	1) Widodo, S.Kom, M.Kom 2) Bambang Prasetya Adhi, M.Kom
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	sawung yudo
Date Deposited:	24 May 2022 10:41
Last Modified:	24 May 2022 10:41
URI:	http://repository.unj.ac.id/id/eprint/28923

Actions (login required)

View Item