Data Mining - Teknik Asosiasi

Confidence mengukur peluang item Y muncul dalam transaksi jika item X juga muncul, menunjukkan kekuatan hubungan antara anteseden dan konsekuen.

Rumus:

• Confidence(X Y) = Support(X Y) / Support(X) = (Jumlah transaksi yang mengandung X dan Y) / (Jumlah transaksi yang mengandung X)

3.3 Lift

Lift mengukur kekuatan hubungan dibandingkan dengan peluang kemunculan secara acak, membantu mengidentifikasi korelasi yang sebenarnya.

Rumus:

• Lift(X Y) = Confidence(X Y) / Support(Y) = Support(X Y) / (Support(X) Support(Y))

Interpretasi:

• Lift > 1: Korelasi positif (lebih besar dari yang diharapkan secara acak)
• Lift = 1: Tidak ada korelasi (independen)
• Lift < 1: Korelasi negatif (lebih kecil dari yang diharapkan secara acak)

4. Algoritma Asosiasi

4.1 Algoritma Apriori

Algoritma Apriori adalah algoritma klasik untuk menemukan frequent itemset dan aturan asosiasi.

Karakteristik:

• Menggunakan pendekatan generate-and-test
• Berdasarkan prinsip "Apriori": jika itemset jarang muncul, semua supersetnya juga jarang muncul
• Proses berulang: menghasilkan kandidat, menghitung support, dan memangkas kandidat

Kelebihan:

• Mudah diimplementasikan
• Menggunakan prinsip pencarian level-wise yang efektif untuk memangkas ruang pencarian