1. Apriori Algorithm
 Apriori adalah algoritma klasik dalam asosiasi yang mencari kombinasi item berdasarkan prinsip bahwa jika suatu itemset jarang muncul, maka semua itemset yang lebih besar darinya juga jarang. Algoritma ini bekerja secara bertahap dengan menghitung support dan confidence, tetapi bisa lambat untuk dataset besar karena banyaknya kombinasi yang harus diperiksa.
2. FP-Growth Algorithm
 FP-Growth adalah metode yang lebih efisien dari Apriori. Ia membangun struktur pohon bernama FP-Tree untuk menyimpan frekuensi item, lalu mengekstrak pola langsung dari pohon tersebut tanpa membangkitkan kandidat itemset. FP-Growth lebih cepat dan cocok untuk dataset besar.
Kesimpulan
 Teknik asosiasi merupakan salah satu fondasi penting dalam data mining yang memungkinkan kita menggali pola tersembunyi dalam data besar. Dengan teknik ini, perusahaan dan organisasi dapat membuat keputusan yang lebih cerdas dan strategis berdasarkan pola-pola yang terbukti terjadi di dunia nyata.
Follow Instagram @kompasianacom juga Tiktok @kompasiana biar nggak ketinggalan event seru komunitas dan tips dapat cuan dari Kompasiana. Baca juga cerita inspiratif langsung dari smartphone kamu dengan bergabung di WhatsApp Channel Kompasiana di SINI
