Teknik asosiasi data mining: studi kasus algoritma apriori

Teknik Asosiasi - Algoritma Apriori

Teknik asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item.  Teknik ini digunakan untuk menemukan pola yang mendeteksi kumpulan atribut-atribut yang muncul bersamaan dalam frekuensi yang sering.  Teknik ini juga biasa disebut dengan affinity analysis atau market basket analysis.  Beberapa algoritma yang umum digunakan dalam teknik asosiasi antara lain Algoritma Apriori, FP-Growth, dan GRI.

Association rule biasanya dinyatakan dalam bentuk:

{Teh} → {Gula} (support = 40% ; confidence = 50%)  

Ini artinya, 50% dari transaksi di database yang memuat item Teh juga memuat item Gula.  Sedangkan 40% dari seluruh transaksi yang ada di database memuat kedua item tersebut.  Dapat juga diartikan bahwa seorang konsumen yang membeli Teh mempunyai kemungkinan 50% untuk juga membeli Gula.  Aturan ini cukup signifikan karena mewakili 40% dari catatan transaksi selama ini. 

Metodologi dasar analisis asosiasi terbagi menjadi dua tahap: 

• Analisis pola frekuensi tinggi
• Pembentukan aturan asosiasi

Analisis Pola Frekuensi Tinggi

Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database.  Nilai support sebuah item diperoleh dengan rumus:  

Foto: rumus support (Sumber: https://repository.unikom.ac.id/60245/1/Slide%204%20-%20Teknik%20Asosiasi%20-%20Apriori%20%5B18192%5D.pdf)

Pembentukan Aturan Asosiasi