Kalau kita bicara soal data mining, ada banyak teknik menarik yang bisa digunakan untuk menggali informasi tersembunyi dari data. Salah satu yang cukup sering digunakan adalah teknik asosiasi. Teknik ini fokus mencari hubungan antar item dalam sebuah data, mirip seperti menyusun potongan puzzle agar kelihatan polanya.
Biasanya teknik ini digunakan di dunia ritel - contohnya ketika sistem bisa tahu kalau orang yang beli kopi, biasanya juga beli gula. Tapi, ternyata teknik ini juga sangat bermanfaat di bidang pendidikan.
Misalnya begini: dari data akademik mahasiswa, kita bisa menemukan bahwa mereka yang mengambil Matematika Diskrit dan mendapat nilai bagus, biasanya juga sukses di mata kuliah Struktur Data. Pola semacam ini bisa sangat membantu kampus dalam menyusun rekomendasi mata kuliah atau bahkan merancang strategi belajar yang lebih tepat sasaran.
Beberapa algoritma yang sering dipakai dalam teknik asosiasi:
Apriori: mencari kombinasi item yang sering muncul, lalu membentuk aturan dari situ.
FP-Growth: mirip Apriori tapi lebih cepat, karena tidak perlu membentuk kombinasi satu per satu.
Ada juga istilah-istilah penting dalam teknik ini, seperti:
Support: seberapa sering kombinasi item muncul.
-
Confidence: seberapa besar kemungkinan item B muncul kalau item A sudah ada.
Lift: mengukur kekuatan hubungan antara dua item.
Intinya, teknik asosiasi nggak cuma soal jualan atau toko online. Di dunia pendidikan pun, ia bisa membuka wawasan baru dan membantu pengambilan keputusan yang lebih cerdas.
