A. Â Association Rule
Aturan Asosiasi, yang juga dikenal sebagai Association rules, merupakan salah satu teknik dalam data mining yang memiliki kegunaan khusus dalam mengidentifikasi aturan asosiatif terkait dengan suatu set barang. Proses pembentukan aturan asosiasi ini melibatkan analisis pola data yang sering muncul, yang dikenal sebagai Frequent patterns, dengan memanfaatkan parameter Support dan Confidence. Support mencerminkan seberapa sering suatu item muncul dalam suatu basis data, sementara Confidence menunjukkan seberapa sering pernyataan atau asosiasi tersebut benar. Dalam bidang keilmuan data mining, terdapat suatu metode yang dinamakan association rule. Association rule mining adalah suatu prosedur untuk mencari hubungan antar item dalam suatu data set yang ditentukan.
Association rule meliputi dua tahap :Â
1. Mencari kombinasi yang paling sering terjadi dari suatu itemset.Â
2. Mendefinisikan condition dan result (conditional association rule).Â
Dalam menentukan suatu association rule, terdapat suatu interestingness measure (ukuran kepercayaan) yang didapatkan dari hasil pengolahan data dengan perhitungan tertentu. Umumnya ada tiga ukuran , yaitu: Â
a) Support: yaitu suatu ukuran yang menunjukkan seberapa besar tingkat dominasi suatu item/ itemset dari keseluruhan transaksi. Ukuran ini akan menentukan apakah suatu item/itemset layak untuk dicari confidence-nya (misal, dari seluruh transaksi yang ada, seberapa besar tingkat dominasi yang menunjukkan bahwa item A dan B dibeli bersamaan) dapat juga digunakan untuk mencari tingkat dominasi item tunggal. Secara umum dapat ditulis seperti persamaan  berikut :Â
b) Confidence: yaitu suatu ukuran yang menunjukkan hubungan antar dua item secara conditional (misal, seberapa sering item B dibeli jika orang membeli item A). Secara umum dapat ditulis seperti persamaan (2) berikut.
