ABSTRAKSI: Dalam penemuan di bidang ilmu pengetahuan, Association rules telah menjadi suatu paradigma yang penting. Association rules telah terbukti menjadi suatu alat yang praktis untuk menemukan kecenderungan dalam databases. Namun, jumlah rules yang besar, yang diperoleh dari standard dataset membatasi kemampuannya. Untuk mengatasi masalah ini, banyak cara telah dilakukan baik itu dengan menggunakan ukuran subjektif maupun objektif dari interest tiap- tiap aturan yang ada.
Berbagai pendekatan telah dilakukan untuk memperoleh pengetahuan yang berbeda, seperti peculiarities, infrequent rules, atau exceptions. Secara umum, pendekatan terakhir ini memungkinkan untuk mengurangi jumlah rules yang didapat dari input dataset. Tugas akhir ini akan menitik beratkan pada penemuan pengetahuan baru, yang untuk selanjutnya akan disebut sebagai aturan asosiasi yang anomali, yaitu aturan yang menarik untuk diketahui dikarenakan kemunculannya yang infrequent namun mempunyai interestingness tinggi, dengan menerapkan beberapa metode dan algoritma yang telah dimodifikasi untuk dapat menemukan aturan anomali yang tersembunyi oleh adanya dominant rules dengan melakukan sedikit modifikasi pada algoritma Apriori, yaitu dengan menambahkan algoritma Anomali-TBAR.
Kata Kunci : Association rules, interestingness, infrequent rules, anomalous rules, dominant rules, Apriori-based Algorithm, Anomaly-TBARABSTRACT: Association rules have become an important paradigm in knowledge discovery. Association rules have proved to be a practical tool in order to find tendencies in database. Nevertheless, the huge number of rules which are usually obtained from standard datasets limit their applicability. In order to solve this problem, several solution have been propose, as the definition of subjective measures or objective measures of interest for the rules.
Other approaches try to obtain different kinds of knowledge, referred to as peculiarities, infrequent rules, or exception. In general, the latter approaches are able to reduce the number of rules derived from the input dataset. This Final Project is focused on the new kinds of knowledge discovery, namely anomalous association rules. Anomalous rules is the rules that hidden, and very interesting to know that there are new kind of rules obtained from behaviour deviation in general rules. The anomalous discovery is use some method and also modifications of algorithm, so that anomalous is found. Anomalous rules is an association rules that hidden by a dominant rule. In this final project, will try to implements of modifications to found anomalous association rules, that is in Apriori-based algorithm, what we’ll call Anomaly-TBAR algorithm.
Keyword: Association rules, interestingness, infrequent rules, anomalous association rules, dominant rules, Apriori-based algorithm,Anomaly-TBAR