ABSTRAKSI: Secara umum, definisi dari outlier adalah suatu penampakan berbeda yang
memungkinkan timbulnya suatu anomaly dalam data. Dalam dunia nyata, outlier
detection ini sangat penting untuk berbagai aplikasi dan sangat menarik banyak
perhatian pada data mining research community. Permasalahan deteksi outlier ini
mempunyai peran yang sangat penting pada aplikasi deteksi kecurangan, analisis
kekuatan jaringan dan deteksi intrusi.
Pada paper ini, diperkenalkan sebuah metode baru dalam pencarian outlier
dengan melakukan pencarian frequent pattern atau frequent itemset dari suatu data
set. Outlier didefinisikan sebagai data transakasi yang mempunyai frequent
pattern yang kecil pada suatu itemset. untuk menentukan outlier diukur dengan
suatu nilai yang disebut FPOF (Frequent Pattern Outlier Factor) menggunakan
algoritma FindFPOF. Pada akhirnya, akan dihasilkan outlier yang diinginkan
dengan batasan FPOF tertentu.
FPOF cukup akurat untuk pencarian outlier pada categorical data, karena
FPOF hanya memperhitungkan kemunculan frequent pattern dalam pencarian
outlier.Kata Kunci : Frequent Pattern, Association Rule, Outlier Detection, Anomaly Detection, Data Mining.ABSTRACT: Commonly, outlier was defined as an observetion that is considerably
dissimiliar with the remainder of the data. In a real world,outlier detection is very
important for many application and has recently attracted much attention in the
data mining research community. Problem in outlier detection has important part
in fraud detection application, network analysis and intrusion detection.
In this final task, is presented a new method for outlier detection by
discovering frequent pattern or frequent itemset from the data set. The outlier are
defined as the data than contain less frequent patterns in their itemsets. For
discovering of outlier are measured with a value called FPOF (Frequent Pattern
Outlier Factor) by FindFPOF Algorithm. At last, will be discovered an outlier by
some value of FPOF.
FPOF is accurate for detectimg outlier in categorical data, because
FPOF only count number of frequency of frequent pattern in outlier detection.Keyword: Frequent Pattern, Association Rule, Outlier Detection, Anomaly Detection, Data Mining.