1. Support (Dukungan)
Support mengukur frekuensi kemunculan kombinasi item (itemset) tertentu dalam keseluruhan transaksi. Semakin tinggi support, semakin sering kombinasi item tersebut terjadi dalam dataset.
2. Confidence (Kepercayaan)
Confidence mengukur kemungkinan item Y dibeli jika item X telah dibeli. Ini menunjukkan kekuatan aturan asosiasi dari X ke Y.
3. Lift (Penguatan Hubungan)
Lift mengukur seberapa besar pengaruh X terhadap Y, dibandingkan jika keduanya terjadi secara independen (acak). Lift memberikan gambaran apakah hubungan antara X dan Y benar-benar signifikan atau kebetulan saja.
4. Â Algoritma dalam Teknik Asosiasi
Beberapa algoritma telah dikembangkan untuk menemukan aturan asosiasi dalam dataset, di antaranya:
a. Â Algoritma Apriori
Diperkenalkan oleh Agrawal dan Srikant pada tahun 1994, algoritma Apriori menggunakan pendekatan bottom-up untuk menemukan itemset yang sering muncul dalam dataset. Algoritma ini bekerja dengan cara:
Mengidentifikasi item individu yang memenuhi nilai minimum support.
-
Menggabungkan item tersebut untuk membentuk itemset yang lebih besar.
Mengulangi proses hingga tidak ada itemset baru yang memenuhi nilai minimum support.
b.  Algoritma FP-Growth
