Mengenal Teknik Asosiasi dalam Data Mining

Pak Natalis menjelaskan beberapa istilah dasar yang penting:

• Itemset: Suatu set yang terdiri dari satu item atau lebih
• k-itemset: Itemset X = {x, ..., x} yang terdiri dari k item
• Support (absolute) atau support count: Frekuensi kemunculan suatu itemset X
• Support (relative): Nilai s, merupakan proporsi transaksi yang mengandung itemset X (atau probabilitas bahwa suatu transaksi mengandung X)
• Frequent itemset: Suatu itemset X dikatakan "frequent" jika support dari X tidak kurang dari nilai ambang batas minimum support (minsup)

Pak Natalis mengilustrasikan konsep tersebut dengan tabel transaksi yang berisi pembelian Beer, Nuts, Diaper, Coffee, Eggs, dan Milk dalam berbagai kombinasi. Beliau menunjukkan bagaimana kita bisa memvisualisasikan hubungan antara customer yang membeli beer dan customer yang membeli diaper, ilustrasinya yang digunakan adalah diagram Venn.

- Association Rules

Selanjutnya, Pak Natalis menjelaskan tentang aturan asosiasi:

• Aturan asosiasi dinyatakan dalam bentuk X Y, dengan mencari semua aturan yang memenuhi nilai minimum support dan confidence
• Support (s): Probabilitas bahwa suatu transaksi mengandung X Y
• Confidence (c): Probabilitas bersyarat bahwa transaksi yang memiliki X juga mengandung Y

Pak Natalis juga memberikan contoh penerapan, dimana kita menentukan nilai minsup = 50% dan minconf = 50%, lalu mengidentifikasi pola frequent seperti: Beer:3, Nuts:3, Diaper:4, Eggs:3, dan {Beer, Diaper}:3.

Dari pola tersebut, dapat ditemukan aturan asosiasi seperti:

• Beer Diaper (60%, 100%) - artinya support 60% dan confidence 100%
• Diaper Beer (60%, 75%) - artinya support 60% dan confidence 75%

Penjelasan Pak Natalis sangat membantu saya memahami pentingnya parameter support dan confidence dalam menentukan kekuatan hubungan antar item dan bagaimana menghindari asosiasi yang tidak signifikan.

Saya juga belajar bahwa teknik asosiasi ini tidak hanya berguna di bidang retail, tetapi juga dalam analisis data medis, deteksi penipuan, dan pengembangan sistem rekomendasi online.