Mohon tunggu...
Nakila Aulia
Nakila Aulia Mohon Tunggu... Mahasiswa

Saya Nakila Aulia, seorang mahasiswi jurusan Teknik Informatika, Universitas Halu Oleo. Saya senang membagi pengetahuan serta wawasan saya kepada teman-teman.

Selanjutnya

Tutup

Pendidikan

Teknik Asosiasi Dalam Data Mining

5 Mei 2025   17:17 Diperbarui: 5 Mei 2025   17:35 59
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Data Mining (Sumber: kolonginfo.com)

   Dalam era informasi saat ini, data telah menjadi aset yang sangat berharga. Namun, data mentah belum tentu memberikan manfaat tanpa proses analisis yang tepat. Salah satu teknik penting dalam data mining yang digunakan untuk menemukan hubungan menarik antar item dalam suatu dataset adalah teknik asosiasi.

  Teknik ini sangat populer terutama dalam bidang analisis perilaku konsumen, seperti dalam market basket analysis, yang digunakan oleh perusahaan ritel untuk mengetahui produk apa saja yang sering dibeli secara bersamaan oleh pelanggan.

Teknik Asosiasi dalam Data Mining.

  Teknik asosiasi adalah metode yang digunakan untuk menemukan pola hubungan tersembunyi antar item dalam suatu kumpulan data besar. Tujuan utamanya adalah mengidentifikasi hubungan yang sering muncul antara item atau kejadian tertentu dalam sebuah dataset, terutama dalam bentuk aturan "jika-maka" (if-then). Teknik ini banyak digunakan dalam analisis keranjang pasar (market basket analysis), contohnya dalam menemukan bahwa pelanggan yang membeli roti juga cenderung membeli mentega. Pola-pola ini kemudian digunakan untuk mendukung pengambilan keputusan, seperti strategi promosi, penataan produk, atau sistem rekomendasi. 

Association Rules (Aturan Asosiasi).

  Salah satu hasil dari teknik asosiasi adalah association rules atau aturan asosiasi. Aturan ini menggambarkan hubungan implisit antara dua atau lebih item dalam bentuk A ⇒ B, yang berarti jika item A muncul, maka kemungkinan besar item B juga akan muncul. Kualitas dari aturan ini diukur menggunakan tiga metrik utama, yaitu:

  • Support (Dukungan): Mengukur seberapa sering kombinasi item (misalnya A dan B) muncul bersama dalam keseluruhan data. Semakin tinggi support, semakin sering aturan itu terjadi di data.

  • Confidence (Kepercayaan): Mengukur seberapa besar kemungkinan item B muncul jika item A sudah ada. Ini menunjukkan kekuatan hubungan antara A dan B.

  • Lift: Mengukur sejauh mana kemunculan A dan B secara bersama lebih besar dibandingkan jika A dan B terjadi secara independen. Lift > 1 menunjukkan adanya hubungan positif antara A dan B.

Metode Populer dalam Teknik Asosiasi

  Berikut algoritma klasik yang digunakan untuk menemukan aturan asosiasi;

HALAMAN :
  1. 1
  2. 2
Mohon tunggu...

Lihat Konten Pendidikan Selengkapnya
Lihat Pendidikan Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun