Jurnal Penelitian Pos dan Informatika 771/AU1/P2MI-LIPI/08/ a/E/KPT/2017

Transkripsi

1 JPPI Vl 7 N 2 (2017) Jurnal Penelitian Ps dan Infrmatika 771/AU1/P2MI-LIPI/08/ a/E/KPT/2017 e-issn p-issn: DOI: /jppi PENERAPAN ALGORITMA APRIORI TID SEBAGAI METODE OPTIMASI PENCARIAN DATA PADA APLIKASI MOBILE SIDOARJO n HANDS (SH) SEARCHING OPTIMIZATION IN SIDOARJO n HANDS (SOH) MOBILE APPLICATION USING APRIORI TID ALGORITHM Rani Purbaningtyas 1, Arif Arizal 2, Tri Wardy 3 1,2 Prdi Infrmatika Fakultas Teknik (Universitas Bhayangkara Surabaya) 3 Prdi Teknik Sipil Fakultas Teknik (Universitas Bhayangkara Surabaya) 1,2,3 Jl. Ahmad Yani n. 114 Surabaya Telp , Fax raniubhara@gmail.cm Naskah Diterima: 15 Agustus 2017; Direvisi : 12 September 2017; Disetujui : 12 September 2017 Abstrak SH merupakan aplikasi mbile berbasis andrid yang dapat memudahkan masyarakat untuk mendapatkan infrmasi tentang ptensi daerah yang dimiliki Kabupaten Sidarj. SH dikembangkan dengan tujuan agar dapat mendukung prmsi ptensi daerah Kabupaten Sidarj. Pencarian data pada prttype aplikasi SH versi 1.0 menggunakan metde jin matching query. Sistem sudah mampu menampilkan hasil pencarian ptensi Kabupaten Sidarj dengan baik namun dirasa kurang ptimal. Agar pencarian data leh sistem dapat lebih ptimal maka digunakan algritma Apriri TID. Algritma TID digunakan untuk retrieve data pada riwayat penggunaan aplikasi SH yang tersimpan dalam sistem. Prses retrieve data akan menghasilkan rekmendasi pencarian data ptensi daerah Kabupaten Sidarj. Hasil rekmendasi ini akan digunakan leh sistem untuk melakukan pencarian data pada server data ptensi Kabupaten Sidarj. Dengan menerapkan algritma Apriri TID pada saat pencarian data ptensi Kabupaten Sidarj, hasil pencarian dapat lebih ptimal. Hal ini disebabkan karena pencarian data leh engine system dilakukan dengan menggabungkan 2 pihak secara bersamaan, yaitu server data ptensi Kabupaten Sidarj dan server data riwayat penggunaan aplikasi SH leh pengguna SH itu sendiri. Kata kunci: Apriri TID, pencarian data, Sidarj Abstract SH is andrid based mbile applicatin. SH ease peple t get infrmatin abut the lcal ptential f Sidarj. SH is aimed t supprt prmtin f the lcal ptential f Sidarj. Data searching in the prttype f SH versin 1.0 implements jin matching query methd. System can shw apprpriate searching result f the lcal ptential f Sidarj but it seems less ptimum. T increase efficiency f data searching, we implement Apriri TID algrithm. Apriri TID algrithm is used t retrieve data frm histry f SH usage. This prcess prduces recmmendatin f the lcal ptential f Sidarj. By implementing Apriri TID algrithm the result f data searching becme mre ptimum. It is pssible because data searching which was dne by engine system cmbine server f Sidarj ptential and server f histry f SH usage itself. Keywrds: Apriri TID, data searching, Sidarj 87

2 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal PENDAHULUAN Aplikasi mbile Sidarj n Hands (SH) merupakan aplikasi mbile berbasis andrid yang dapat memudahkan masyarakat untuk mendapatkan infrmasi tentang ptensi daerah yang dimiliki Kabupaten Sidarj. SH dikembangkan dengan tujuan agar dapat mendukung prmsi ptensi daerah Kabupaten Sidarj. Semua infrmasi mengenai ptensi daerah yang dimiliki leh Kabupaten Sidarj meliputi ptensi industri, ptensi pertanian, ptensi perikanan, ptensi kerajinan, ptensi wisata hingga ptensi kuliner dapat dengan mudah diketahui leh masyarakat melalui aplikasi ini. Sehingga masyarakat lkal maupun masyarakat luar yang ingin mengenal lebih dekat tentang Kabupaten Sidarj dapat memperleh infrmasi yang dibutuhkan melalui SH. Pada pengembangan prttype SH versi 1.0 sebelumnya (Purbaningtyas dkk, 2017) prses pencarian data leh pengguna SH dilakukan dengan menerapkan metde jin matching query. Jin matching query merupakan metde yang menggabungkan pencarian data teks pada server data ptensi daerah Sidarj dengan data peta pada server data spasial. Sebenarnya, dengan menerapkan metde jin matching query ini, pengguna SH sudah bisa mendapatkan infrmasi tentang ptensi daerah Kabupaten Sidarj yang dicari. Namun, metde jin matching query dirasa kurang ptimal dari sisi kesesuaian infrmasi yang ditampilkan terhadap kebutuhan pengguna SH. Hasil pencarian yang ditampilkan tidak jarang kurang bisa memenuhi kebutuhan pengguna SH versi sebelumnya. Berdasarkan hasil evaluasi pada tahap analisis dan pengembangan sistem sebelumnya, akan dirasa lebih bermanfaat jika aplikasi SH tidak hanya mampu memberikan infrmasi sesuai dengan yang dicari leh pengguna saja. Diharapkan, aplikasi SH dapat memberikan rekmendasi hasil pencarian infrmasi ptensi Kabupaten Sidarj yang disesuaikan dengan riwayat penggunaan aplikasi SH leh pengguna tersebut. Dengan banyaknya data yang terdapat pada riwayat penggunaan SH leh pengguna, pencarian pada data riwayat ini dirasa perlu diptimalkan. Tujuannya untuk mendapatkan hasil yang ptimal pada saat melakukan query (Ermatita, 2009). Salah satu metde yang dirasa mampu menyelesaikan permasalahan ini yaitu algritma Apriri (Astuti, dkk 2016), khususnya Apriri TID. Algritma Apriri TID merupakan salah satu algritma assciatin rules. Assciatin rules bertujuan untuk mencari sekelmpk item (itemsets) yang memiliki nilai supprt yang lebih besar daripada minimum supprt yang ditentukan dan menggunakan sekelmpk besar itemsets untuk membangkitkan aturan yang memiliki nilai cnfidence lebih besar daripada nilai minimum cnfidence yang ditetapkan. Tujuannya adalah menentukan rasi dari nilai supprt item yang dicari terhadap nilai item lainnya pada saat tidak saling tergantung satu sama lain (R Agrawal.,et,al, 1994) Dengan menerapkan algritma Apriri TID pada saat pencarian data, rekmendasi keluaran SH yang dihasilkan akan melihat hubungan antara ptensi yang dicari saat ini terhadap riwayat pencarian ptensi daerah Kabupaten Sidraj pada saat penggunaan aplikasi SH peride sebelumnya. Berdasarkan penjelasan diatas, maka artikel penelitian ini membahas bagaimana penerapan 88

3 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) algritma Apriri TID untuk mengptimalkan prses pencarian infrmasi tentang ptensi Kabupaten Sidarj yang terdapat pada aplikasi SH. METODE Metde penelitian yang diterapkan dalam mengembangkan SH sendiri menggunakan mdel waterfall yang terdiri dari tahapan definisi dan analisis kebutuhan sistem, perancangan desain sistem, pengembangan, pengujian dan implementasi sistem. Definisi dan analisis kebutuhan sistem dilakukan melalui pengambilan data primer dan sekunder. Data primer didapat dari para pelaku industri secara langsung. Data sekunder didapat dari dinas dan instansi yang terkait dengan masing-masing kelmpk ptensi yang ada. Ptensi daerah yang dimiliki Kabupaten Sidarj terbagi menjadi 6 kelmpk ptensi utama yaitu : ptensi industri, ptensi pertanian, ptensi perikanan, ptensi kerajinan, ptensi wisata hingga ptensi kuliner. Perancangan desain sistem menggunakan pendekatan analisis dan desain sistem terstruktur. Analisis data khususnya yang digunakan untuk pencarian infrmasi ptensi Kabupaten Sidarj menerapkan algritma Apriri TID. Algritma Apriri TID akan membaca pla pencarian infrmasi yang dibutuhkan pengguna berdasarkan riwayat penggunaan aplikasi SH yang dilakukan leh pengguna itu sendiri. Algritma Apriri TID merupakan salah satu bagian dari assciatin rule mining. Assciatin rule mining merupakan salah satu teknik yang ada dalam penambangan data yang bertujuan untuk mendapatkan aturan assiasi atau relasi antara sekumpulan item. Aturan assiasi dapat diperleh dari berbagai sumber data, di antaranya berasal dari basis data transaksinal, gudang data, maupun dari tempat penyimpanan infrmasi yang lainnya. Pada umumnya data yang dilah bersifat hmgen. Studi pertama tentang pencarian aturan assiasi diperleh dari itemset yang sering muncul secara bersamasama (R Agrawal.,et,al, 1993). Salah satu algritma yang sering digunakan untuk pencarian aturan assiasi adalah Apriri (Gunawan, dkk, 2016). Penting tidaknya sebuah aturan assiasi dapat diketahui dengan dua parameter, yaitu supprt (nilai penunjang), yaitu persentase kejadian kmbinasi item atau supprt cunt jumlah itemset yang muncul dalam sekumpulkan transaksi, dan cnfidence (nilai kepastian), yaitu kuatnya hubungan antar item dalam aturan assiasi (J. Han., et,al, 2012) Analisis assiasi didefinisikan suatu prses untuk menemukan semua aturan asssiatif yang memenuhi syarat minimum untuk supprt (minimum supprt), dan syarat minimum untuk cnfidence (minimum cnfidence). Secara umum, aturan assiasi (Arizal, 2012) diperleh dengan cara sebagai berikut: Misalnya terdapat I={i 1, i 2, i 3,...i n } yang merupakan sekumpulan item, sementara D adalah sekumpulan transaksi, di mana setiap transaksi T memiliki sekumpulan item di mana. Setiap transaksi akan memiliki TID (Transactin IDentifier) yang unik. Setiap transaksi dikatakan mengandung X, kumpulan item dalam I, jika. Sebuah aturan assiasi difrmulasi dengan bentuk, dimana ; ; dan. Aturan memiliki supprt s dalam transaksi D jika s% atau jumlah s dari transaksi dalam D mengandung. Atau dengan kata lain, supprt dari suatu aturan adalah 89

4 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal prbabilitas kejadian X dan Y secara bersama-sama atau jumlah kejadian X dan Y secara bersama. Aturan memiliki nilai cnfidence c jika c% dari transaksi D mengandung X juga mengandung Y. Atau dengan kata lain, cnfidence dari sebuah aturan adalah prbabilitas kndisinal dengan knsekuen Y adalah benar, jika X merupakan antisedennya. Supprt adalah prbabilitas dari item atau sekumpulan item dalam sebuah basis data transaksinal seperti pada (1). (1) dimana n adalah jumlah ttal transaksi dalam basis data, sedangkan n (X) adalah jumlah transaksi yang mengandung itemset X, atau supprt cunt yaitu jumlah item yang terdapat dalam transaksi. Cnfidence adalah prbabilitas kndisinal, untuk aturan assiasi didefinisikan seperti pada (2). Y) = (2) Untuk mengukur tingkat akurasi dari sebuah aturan yang diperleh, digunakan rumusan Lift Rati. Lift Rati dari aturan didefinisikan seperti pada (3). (3) di mana Expected Cnfidence didefinisikan seperti pada (4). (4) Jika nilai lift rati > 1, aturan muncul lebih sering dari yang diharapkan, maka X dan Y tidak saling bergantung (independent). Jika lift rati = 1, maka aturan muncul sesuai dengan yang diharapkan. Tetapi jika lift rati < 1, maka aturan muncul lebih jarang dari yang diharapkan dan X, Y saling bergantung (dependent). Langkah-langkah penyelesaian yang diambil untuk menerapkan algritma Apriri TID pada tahapan pencarian infrmasi ptensi daerah Kabupaten Sidarj pada aplikasi SH tercantum pada gambar 1 sebagai berikut : Mulai User menggunakan aplikasi SH Membaca data UUID dan menyimpan riwayat pencarian data user Riwayat pencarian user penggunaan pertama kali? TIDAK Melakukan retrieve data riwayat pencarian user Ptensi Kabupaten Sidarj YA Mencari data ptensi dengan metde jin matching query Rekmendasi ptensi Kabupaten Sidarj berdasarkan hasil retrieve data riwayat user Menampilkan hasil pencarian data ptensi Kabupaten Sidarj Selesai Gambar 1. Alur pencarian data ptensi Kabupaten Sidarj pada aplikasi SH 90

5 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) 1. Setiap kali pengguna SH memanfaatkan aplikasi SH, maka sistem akan membaca data UUID dari pengguna SH tersebut dan menyimpan riwayat pencarian data yang dilakukan leh pengguna tersebut. Nantinya, sistem akan melakukan pencarian data kedalam server SH dengan menggunakan UUID dari pengguna SH tersebut sebagai kunci pencarian data. 2. Jika pengguna tersebut baru pertama kali menggunakan aplikasi SH, maka pencarian data ptensi Kabupaten Sidarj akan dilakukan dengan menggunakan metde jin matching query. 3. Jika pengguna tersebut sudah beberapa kali menggunakan aplikasi SH, maka sistem akan melakukan prses retrieve data menggunakan algritma Apriri TID untuk membaca riwayat penggunaan aplikasi SH. Berdasarakan riwayat penggunaan aplikasi SH tersebut, maka sistem akan memberikan rekmendasi data ptensi Kabupaten Sidarj sesuai riwayat pengguna. 4. Hasil rekmendasi data tersebut akan digunakan leh sistem untuk melakukan pencarian data ptensi Kabupaten Sidarj dalam server SH. 5. Sistem akan menampilkan infrmasi ptensi Kabupaten Sidarj yang dibutuhkan leh pengguna SH. Pada aplikasi SH versi 1.0 pencarian data menggabungkan antara pencarian data teks pada server data ptensi daerah Sidarj dengan data peta pada server data spasial. Dengan diterapkannya algritma Apriri TID pada SH versi 2.0, rancangan basis data pada SH versi 1.0 perlu diperbaiki. Hal ini disebabkan karena belum adanya tabel yang bisa digunakan untuk menyimpan riwayat penggunaan SH leh pengguna. Sementara algritma Apriri TID membutuhkan data tersebut sebagai dasar menghasilkan rekmendasi ptensi daerah yang dimiliki Kabupaten Sidarj. Berikut adalah rancangan basis data pada SH versi 2.0 yang telah diperbarui seperti tampak pada gambar 2 berikut ini : id_kecamatan nama_kecamatan data_kecamatan tbkecamatan Variable characters (30) memiliki id_kelurahan nama_kelurahan data_kelurahan tbkelurahan Variable characters (30) id_ptensi nama_ptensi tbptensi id_nte nama_nde lkasi_nde data_nde memiliki tbnde Variable characters (15) memiliki id_sub_ptensi nama_sub_ptensi terdiri tbsubptensi memiliki id_prfil data_prfil tbprfil Variable characters (255) terdapat UUID tgl_akses tbriwayat Variable characters (40) Date Gambar 2. Rancangan basis data pada SH versi

6 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal Fungsi dari dari masing-masing tabel diatas adalah sebagai berikut : 1. Tabel kecamatan, digunakan untuk menyimpan data-data 18 kecamatan yang ada di Kabupaten Sidarj. 18 kecamatan tersebut yaitu : Balngbend, Buduran, Candi, Gedangan, Jabn, Krembung, Krian, Prng, Prambn, Sedati, Sidarj, Sukdn, Taman, Tanggulangin, Tarik, Tulangan, Waru dan Wnayu (Pemkab Sidarj, 2015). 2. Tabel kelurahan, digunakan untuk menyimpan data-data kelurahan yang ada di setiap kecamatan. Ttal jumlah kelurahan di Sidarj yaitu 322 desa (BPS Kabupaten Sidarj, 2015). 3. Tabel ptensi, digunakan untuk menyimpan data klasifikasi ptensi daerah yang dimiliki Kabupaten Sidarj. Kelmpk ptensi utama tersebut yaitu industri, pertanian, perikanan, kerajinan, pariwisata dan kuliner (BPS Kabupaten Sidarj, 2015) 4. Tabel sub ptensi, digunakan untuk menyimpan data klasifikasi sub ptensi daerah dari tiap kelmpk ptensi utama. Untuk kategri ptensi industri terbagi menjadi 3 sub kategri yaitu indutri peralatan rumah tangga, industri knalpt dan industri pande besi. Untuk kategri ptensi kerajinan terbagi menjadi 6 sub kategri ptensi yaitu tas dan kper, brder, batik, knveksi, tpi dan sandal. Kategri ptensi pariwisata terbagi menjadi sub kategri ptensi pariwisata alam dan sub kategri ptensi pariwisata buatan. Sedangkan untuk kategri ptensi kuliner terbagi menjadi 7 sub kategri ptensi kuliner yaitu kerupuk, tahu, tempe, telur asin, petis, nugget, ssis. 5. Tabel nde, digunakan menyimpan titik lkasi daerah yang memiliki ptensi daerah tertentu. 6. Tabel prfil, digunakan untuk menyimpan data pendukung dari setiap titik lkasi yang memiliki ptensi daerah tertentu. Prfil setiap ptensi yang akan ditampilkan nantinya meliputi nama perusahaan, alamat usaha, cntact persn dari perusahaan tersebut, deskripsi tentang usaha yang dijalankan serta kelebihan dari setiap ptensi tersebut. 7. Tabel riwayat, digunakan untuk menyimpan data-data penggunaan SH leh setiap pengguna. HASIL DAN PEMBAHASAN Sebagai cnth, pada saat menggunakan aplikasi SH saat ini, pengguna mencari ptensi Brdir di kawasan Tanggulangin. Pada saat pencarian data, sistem akan membaca riwayat penggunaan SH pengguna tersebut. Sebagai cnth, riwayat penggunaan SH pengguna adalah sebagai berikut: dimana : 1 = Batik Wahyu 2 = CV. Kurnia 3 = UD. Barkah 4 = Batik Kharisma 5 = Batik Suryn Tabel 1. Riwayat penggunaan SH TID Items P P P P Items disini merupakan daftar byek ptensi yang ada di Kabupaten Sidarj yang pernah dicari leh pengguna pada masa pencarian sebelumnya. Kemudian ditentukan nilai minimum supprt. Nilai supprt disini adalah nilai dukungan dari unit ptensi yang ada terhadap keseluruhan data riwayat pencarian ptensi yang pernah dilakukan leh pengguna. 92

7 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) Nilai minimum supprt yang digunakan adalah 50%. Kemudian dihitung nilai supprt untuk masing-masing itemset terhadap keseluruhan data riwayat pengguna dengan hasil sebagai berikut : Tabel 2. Hasil perhitungan nilai supprt untuk satu itemsets Itemset Supprt {1} 2 {2} 3 {3} 3 {5} 3 Dari setiap kelmpk itemset pertama pada tabel 2, akan dihitung nilai supprt dan cnfidence. Cnfidence disini berarti mencari tingkat kedekatan atau keterkaitan antara suatu item terhadap item lainnya. Sehingga terbentuk itemset kedua seperti terlihat tabel 3. Tabel 3. Pembentukan itemset kedua TID Items P001 {1 3} P002 {2 3} {2 5} {3 5} P003 {1 2} {1 3} {1 5} {2 3} {2 5} {3 5} P004 {2 5} Untuk setiap kelmpk itemset kedua akan dihitung kembali nilai supprt sehingga didapatkan hasil sebagai berikut : Untuk setiap kelmpk itemset ketiga akan dihitung kembali nilai supprt sehingga didapatkan hasil sebagai berikut : Tabel 6. Hasil perhitungan nilai supprt untuk tiga itemsets Itemset Supprt {2 3 5}* 2 Berdasarkan hasil perhitungan pada tabel 6 diatas, maka rekmendasi yang dihasilkan leh sistem pada saat pencarian Brdir di kawasan Tanggulangin adalah : CV. Kurnia, UD. Barkah, dan Batik Suryn. Berikut perbandingan keluaran dari SH sebelum dan sesudah implementasi algritma Apriri TID. Dengan asumsi bahwa pengguna tersebut telah beberapa kali menggunakan SH. Sebagai cnth, ada seserang yang ingin melakukan pencarian data tentang ptensi kerajinan brdir yang terdapat di Kabupaten Sidarj. Jika sistem hanya melakukan prses pencarian data menggunakan metde jin matching query saja, maka hasil pencarian sistem adalah sebagai berikut: Tabel 4. Hasil perhitungan nilai supprt untuk dua itemsets Itemset Supprt {1 2} 1 {1 3}* 2 {1 5} 1 {2 3}* 2 {2 5}* 3 {3 5}* 2 Dari setiap kelmpk itemset pertama pada tabel 4, akan dihitung nilai supprt dan cnfidence. Sehingga terbentuk itemset ketiga seperti terlihat tabel 5. Tabel 5. Pembentukan itemset ketiga TID Items P002 {2 3 5} P003 {2 3 5} Gambar 4. Hasil pencarian data ptensi menggunakan metde jin matching query Pada gambar 4 diatas dapat dilihat bahwa SH menampilkan keseluruhan ptensi kerajinan brdir 93

8 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal di kawasan Tanggulangin, Kabupaten Sidarj sesuai dengan yang dicari leh pengguna yaitu Brdir di kawasan Tanggulangin. Pada gambar 5, dengan menerapkan algritma Apriri TID pada saat pencarian data leh sistem, maka SH menampilkan hasil pencarian sistem sebagai berikut: Gambar 5. Hasil pencarian data ptensi dengan menerapkan algritma Apriri TID Pada gambar 5 di atas dapat dilihat bahwa SH tidak hanya menampilkan ptensi kerajinan brdir di kawasan Tanggulangin Kabupaten Sidarj sesuai dengan yang dicari leh pengguna yaitu Brdir di kawasan Tanggulangin. Akan tetapi juga menganalisis riwayat penggunaan aplikasi SH leh pengguna. Sehingga diharapkan infrmasi yang ditampilkan lebih sesuai dengan kebutuhan pengguna karena disesuaikan dengan kebiasaan pencarian ptensi daerah Kabupaten Sidarj yang dilakukan leh pengguna. Kebiasaan pencarian ini tampak dari riwayat penggunaan aplikasi SH yang dilakukan leh pengguna. Dari kedua hasil pencarian leh sistem tersebut dapat dilihat bahwa pencarian sistem dengan menerapkan algritma Apriri TID lebih ptimal. Hal ini disebabkan karena prses pencarian data tidak hanya menggunakan data yang tersimpan dalan server ptensi Kabupaten Sidarj saja tetapi digabungkan dengan analisis data riwayat penggunaan aplikasi SH leh pengguna SH. PENUTUP Hasil pencarian data pada prttype aplikasi SH versi 1.0 yang menggunakan metde jin matching query sudah mampu menampilkan hasil pencarian ptensi Kabupaten Sidarj dengan baik. Namun hasil pencarian data tersebut dirasa kurang ptimal karena tidak jarang kurang memenuhi kebutuhan pengguna SH. Agar pencarian data leh sistem dapat lebih ptimal maka digunakan algritma Apriri TID. Algritma TID digunakan untuk retrieve data pada riwayat penggunaan aplikasi SH yang tersimpan dalam sistem. Dengan menerapkan algritma Apriri TID pada saat pencarian data ptensi Kabupaten Sidarj, hasil pencarian dapat lebih ptimal. Hal ini disebabkan karena pencarian data leh engine system dilakukan dengan menggabungkan 2 pihak secara bersamaan, yaitu server data ptensi Kabupaten Sidarj dan server data riwayat penggunaan aplikasi SH leh pengguna SH itu sendiri. UCAPAN TERIMA KASIH Terima kasih disampaikan kepada para pelaku industri dan UMKM di lingkungan Kabupaten Sidarj, Dinas Pemuda Olahraga dan Pariwisata Kabupaten Sidarj, Dinas Perindustrian dan Perdagangan Kabupaten Sidarj, Dinas Kperasi dan Usaha Mikr Kabupaten Sidarj serta DRPM Dirjen Kemenristek Dikti yang telah memberikan dukungan dana sehingga terlaksananya penelitian Aplikasi Mbile Sidarj n Hands (SH) Sebagai Media Penunjang Prmsi Daerah Kabupaten Sidarj melalui skema Penelitian Prduk Terapan Tahun

9 Penerapan Algritma Apriri TID Sebagai Metde Optimasi Pencarian Data... (Rani Purbaningtyas dkk) DAFTAR PUSTAKA Agrawal, R., & Srikant, R. (1994). Fast Algrithms fr Mining Assciatin Rules. In Prceeding f the 20th Int l Cnference n Very Large Databases vl 1215 (pp ). San Francisc, USA: Mrgan Kaufmann Publisher Inc. Arizal, A. (2012). Penggunaan Data Mining Untuk Mencari Aturan Assiatif Dari Database Pengbatan Pada Klinik Amanah Kabupaten Sleman Prpinsi DIY Dengan Metde Quantitative Assciatin Rules. Universitas Gajah Mada, Ygyakarta. Astuti, Femi Dwi, W. A. (2016). Optimasi Pemrgraman Query Untuk Algritma Apriri Berbasis Assiasi Data Mining. Jurnal Riset Sistem Infrmasi & Teknik Infrmatika (JURASIK), STIKOM Tunas Bangsa, Vl 1(N 1). Ermatita. (2009). Analisis Optimasi Query Pada Data Mining. Jurnal Sistem Infrmasi (JSI), Universitas Sriwijaya, Palembang, Vl 1(N 1). Gunawan, Ridwati, & Khabib, M. (2016). N Title. Jurnal Nasinal Teknik Elektr Dan Teknlgi Infrmasi (JNTETI), Universitas Gadjah Mada, Jgjakarta, Vl 5(N 3 Agustus). Han, J., M. Kamber, & Pei, J. (2012). Data Mining: Cncepts and Techniques (Third edit). USA: Waltham, MA: Mrgan Kaufmann. Pemkab Sidarj. (2015). Bagian Telekmunikasi dan Infrmatika Kabupaten Sidarj, Retrieved frm Purbaningtyas, R., Arizal, A., & Wardy, T. (2017). Analisis dan Perancangan Sistem Sidarj n Hands (SH) Untuk Mendukung Prmsi Ptensi Daerah Kabupaten Sidarj. In Prsiding Seminar Nasinal Teknlgi dan Infrmatika (SNATIF) Kudus: Fakultas Teknik Universitas Muria. R Agrawal, Imieliński, T., & Swami, A. (1993). Mining Assciatin Rules Between Sets f Items in Large Databases. ACM SIGMOD Rec, Vl 22(N 2), Sidarj, B. K. (2015). Sidarj Dalam Angka

10 Jurnal Penelitian Ps dan Infrmatika, Vl.07 N 02 Desember 2017: hal