Association Rule Mining Method

1. Pendahuluan 

Di tengah ledakan informasi digital, data yang tersimpan dalam jumlah besar perlu diolah agar menghasilkan pengetahuan bernilai. Salah satu pendekatan dalam data mining yang banyak digunakan adalah association rule mining, yakni teknik untuk menemukan pola hubungan antar item dalam kumpulan data besar, khususnya transaksi.

 2. Pengertian Data Mining dan Association Rule Mining 

Data mining adalah proses mengekstraksi pola bermakna dari kumpulan data besar untuk mendukung pengambilan keputusan. Di dalamnya terdapat berbagai teknik, termasuk klasifikasi, klastering, prediksi, dan asosiasi.

Association rule mining sendiri bertujuan menemukan aturan seperti:
"Jika membeli X, maka kemungkinan juga membeli Y", yang bermanfaat untuk menganalisis perilaku pelanggan.

3. Komponen Penting dalam Association Rule 

• Itemset, yaitu Sekumpulan item, misalnya {roti, susu}. Jika terdiri dari dua item, disebut 2-itemset.
• Support yang berarti Menggambarkan seberapa sering kombinasi item muncul dalam data. Itemset yang sering muncul (frequent itemset) ditentukan berdasarkan ambang minimum support (minsupp).
•  Confidence merupakan peluang item y dibeli ketika x dibeli.
• Life Ratio yaitu mengukur seberapa besar kekuatan hubungan antara 2 item dibandingkan dengan jika keduanya dibeli secara acak

4. Proses Analisis Association Rule 

a). Identifikasi Item Awal

Menyusun item tunggal dan menghitung supportnya, lalu menyaring yang tidak memenuhi minsupp.

b). Penggabungan Itemset

Menggabungkan itemset menjadi pasangan atau lebih (2-itemset, 3-itemset, dst.) hanya dari frequent itemset sebelumnya. Proses ini berulang sampai tidak ada lagi kombinasi yang memenuhi syarat.

c). Pembentukan Aturan

Menghitung nilai confidence dari aturan yang terbentuk, menyaring aturan yang kurang kuat (di bawah minconf).

d). Evaluasi Aturan dengan Lift

Lift ratio digunakan untuk mengetahui kekuatan aturan. Lift > 1 berarti aturan tersebut memiliki hubungan yang signifikan.

5. Studi Kasus: Transaksi Minimarket

Dataset yang dianalisis berisi data transaksi pelanggan minimarket.

Contoh Aturan yang Ditemukan:

• Konsumen yang membeli mie instan cenderung juga membeli telur
  Support: 33,33% | Confidence: 76,92% | Lift: > 1

•