Mohon tunggu...
Annisa Nurfadilah
Annisa Nurfadilah Mohon Tunggu... Mahasiswa Teknik Informatika

Senang mengembara dalam pikiran sendiri, membaca novel sad ending, dan mendengarkan lagu.

Selanjutnya

Tutup

Pendidikan

Mengenal Teknik Asosiasi dalam Data Mining

29 April 2025   13:21 Diperbarui: 29 April 2025   13:21 65
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Teknik Asosasi dalam Data Mining - Sumber edit di canva

Kemarin, tepatnya tanggal 28 April 2025, saya mengikuti perkuliahan Data Mining yang dibimbing oleh dosen kami, Bapak Natalis Ransi, S.Si., M.Cs. Pada perkuliahan tersebut, saya berkesempatan untuk mempresentasikan salah satu teknik penting dalam data mining yaitu "Teknik Asosiasi". Presentasi saya didasarkan pada artikel dari Medium berjudul "Data Mining 101" karya Wiwit S.N. (https://medium.com/@wiwitsn/data-mining-101-6330a1ce3581)

Perkuliahan Data Mining - Sumber Pribadi
Perkuliahan Data Mining - Sumber Pribadi

Apa itu Teknik Asosiasi?

Teknik asosiasi adalah proses menemukan hubungan atau pola yang sering muncul antara item dalam sebuah dataset. Bayangkan seperti seorang detektif yang mencari benang merah di antara berbagai bukti. Teknik ini sangat berguna untuk mengidentifikasi keterkaitan atau aturan yang relevan antara variabel dalam kumpulan data yang besar.

Sebagai mahasiswa yang baru mengenal data mining, saya terkesima dengan bagaimana teknik ini bisa mengungkap pola tersembunyi dari tumpukan data yang tampaknya acak.

Algoritma dalam Teknik Asosiasi

Pada kesempatan itu, saya membahas beberapa algoritma yang umum digunakan dalam teknik asosiasi:

  1. Algoritma Apriori - Algoritma klasik yang bekerja dengan prinsip "jika sebuah itemset jarang muncul, maka semua superset dari itemset tersebut juga jarang muncul".
  2. FP-Growth (Frequent Pattern Growth) - Algoritma yang lebih efisien dibanding Apriori, digunakan untuk menemukan item-item yang sering muncul bersama dalam transaksi dengan memanfaatkan struktur data khusus (FP-Tree).

Pak Natalis menambahkan bahwa algoritma-algoritma ini telah menjadi fondasi penting dalam berbagai aplikasi bisnis dan penelitian data.

Contoh Penerapan dalam Kehidupan Sehari-hari

Untuk membantu teman-teman kelas memahami konsep ini, saya memberikan contoh penerapan teknik asosiasi dalam konteks supermarket. Setelah kita memiliki segmen pelanggan supermarket, kita dapat menggunakan teknik asosiasi dengan algoritma FP-Growth untuk memahami kebiasaan belanja masing-masing segmen.

Misalnya, dari data transaksi pelanggan, kita bisa mengidentifikasi pola pembelian seperti:

  • Pelanggan yang membeli Roti sering juga membeli Mentega.
  • Pelanggan yang membeli Susu sering juga membeli Sereal.
  • Pelanggan yang membeli Roti dan Mentega mungkin juga membeli Selai.

Konsep Dasar dalam Teknik Asosiasi

Setelah saya menyelesaikan presentasi, Pak Natalis melanjutkan pembahasan dengan menjelaskan konsep-konsep penting dalam teknik asosiasi menggunakan slide presentasi beliau. Beliau menekankan dua konsep fundamental: Frequent Patterns dan Association Rules.

- Frequent Patterns

HALAMAN :
  1. 1
  2. 2
Mohon tunggu...

Lihat Konten Pendidikan Selengkapnya
Lihat Pendidikan Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun