Dalam era digital yang terus berkembang, data menjadi aset yang sangat berharga. Setiap klik, transaksi, dan aktivitas pengguna meninggalkan jejak data yang dapat dianalisis untuk menemukan pola tersembunyi. Salah satu teknik penting dalam data mining yang banyak digunakan untuk tujuan ini adalah teknik asosiasi. Teknik ini berperan besar dalam mengungkap keterkaitan antara item dalam sebuah dataset besar, dan telah diterapkan secara luas dalam berbagai bidang, terutama di dunia bisnis dan e-commerce.
Apa itu Teknik Asosiasi?
Teknik asosiasi adalah metode dalam data mining yang bertujuan untuk menemukan aturan keterkaitan antar item di dalam sebuah dataset. Salah satu contoh paling umum dari penerapan teknik ini adalah dalam analisis keranjang belanja (market basket analysis), di mana ditemukan pola-pola seperti "Jika seseorang membeli roti, maka kemungkinan besar ia juga akan membeli mentega." Pola-pola semacam ini disebut sebagai association rules atau aturan asosiasi.
Secara umum, aturan asosiasi dinyatakan dalam bentuk:
A ⇒ B
Artinya, jika A terjadi, maka B kemungkinan besar juga akan terjadi. Di sini, A disebut sebagai antecedent (pendahulu) dan B sebagai consequent (akibat).
Konsep Dasar: Support, Confidence, dan Lift
Dalam teknik asosiasi, terdapat tiga metrik utama yang digunakan untuk mengevaluasi kekuatan dan relevansi aturan:
1. Support: Mengukur seberapa sering kombinasi item A dan B muncul bersama dalam data. Contoh: Jika 100 dari 1.000 transaksi mencakup roti dan mentega, maka support = 10%.
2. Confidence: Mengukur seberapa sering B muncul dalam transaksi yang mengandung A. Contoh: Jika 80 dari 100 transaksi yang membeli roti juga membeli mentega, maka confidence = 80%.
3. Lift: Mengukur peningkatan probabilitas B muncul jika A terjadi, dibandingkan jika A dan B tidak berhubungan.
- Lift = 1 berarti tidak ada hubungan antara A dan B.
- Lift > 1 berarti A dan B memiliki hubungan positif.
- Lift < 1 berarti A dan B memiliki hubungan negatif.
