Teknik Asosiasi dalam Data Mining

Gambar 2, Dokumentasi Perkuliahan Melalui Zoom Meeting Pada Pertemuan 1

• Teknik Asosiasi dalam Data Mining: Menggali Pola Tersembunyi dari Transaksi

Teknik asosiasi adalah metode dalam data mining yang bertujuan untuk menemukan hubungan atau pola tersembunyi antar item dalam dataset yang besar. Contoh sederhana yang sering digunakan adalah: jika seseorang membeli kopi dan gula, maka kemungkinan besar mereka juga membeli susu. Teknik ini banyak digunakan dalam analisis keranjang belanja (market basket analysis), sistem rekomendasi, hingga deteksi kecurangan.

• Konsep-Konsep Utama:

- Itemset: Kumpulan item yang sering muncul bersama

- Support: Frekuensi kombinasi item dalam transaksi

- Confidence: Seberapa sering Y muncul setelah X

- Lift: Kekuatan hubungan antara X dan Y dibanding kejadian acak

• Contoh Rumus:

- Support(X) = jumlah transaksi mengandung X / total transaksi

- Confidence(X Y) = Support(X dan Y) / Support(X)

- Lift(X Y) = Confidence(X Y) / Support(Y)

• Jenis-Jenis Aturan Asosiasi

- One-to-One: Misalnya {kopi} {susu}

- One-to-Many: Misalnya {kopi} {susu, gula}

- Many-to-One: Misalnya {roti, mentega} {susu}

- Many-to-Many: Misalnya {roti, kopi} {susu, gula}

Jenis ini menunjukkan seberapa kompleks relasi antar item dalam satu transaksi.

• Kelebihan dan Keterbatasan Teknik Asosiasi:

Kelebihan:

- Menemukan pola tersembunyi tanpa supervisi

- Cocok untuk analisis bisnis seperti ritel

- Mudah dipahami dan diimplementasikan

Keterbatasan:

- Bisa menghasilkan terlalu banyak aturan (rule explosion)

- Butuh threshold yang tepat agar hasil relevan

- Tidak mempertimbangkan urutan waktu (untuk itu lebih cocok pakai sequence mining)

• Evaluasi Kualitas Aturan:

Selain support, confidence, dan lift, bisa juga digunakan:

- Conviction: Mengukur kekuatan implikasi logis

- Leverage: Mengukur perbedaan antara probabilitas aktual dan ekspektasi independen

• Contoh Studi Kasus Nyata:

E-commerce:

- Menemukan bahwa pembeli ponsel juga sering membeli casing dan pelindung layar

Supermarket:

- Analisis menunjukkan pembeli popok juga sering membeli bir (kasus klasik)

Media Streaming:

- Menentukan pengguna yang menonton genre drama kemungkinan besar juga tertarik genre romantis

• Tips dalam Menggunakan Teknik Asosiasi:

- Tentukan threshold support dan confidence dengan hati-hati agar tidak banjir aturan tak relevan

- Gunakan lift untuk memfilter aturan yang benar-benar menarik

- Visualisasikan hasil dengan heatmap, graph, atau network diagram agar lebih mudah dipahami

• Contoh Aturan Asosiasi:

- Aturan: {kopi} {susu}

- Support: 30%

- Confidence: 80%

- Lift: 1.3 (artinya ada peningkatan kemungkinan pembelian susu sebesar 30% jika seseorang membeli kopi)

• Algoritma Populer:

- Apriori Algorithm: Menghasilkan kandidat itemset berdasarkan prinsip subset

- FP-Growth Algorithm: Menggunakan Frequent Pattern Tree tanpa perlu menghasilkan kandidat eksplisit

• Aplikasi Teknik Asosiasi:

- Market Basket Analysis

- Sistem Rekomendasi Produk

- Deteksi Kecurangan

- Bioinformatika

• Contoh: Market Basket Analysis

Analisis pola pembelian pelanggan:

- Jika seseorang membeli roti dan mentega, maka besar kemungkinan juga membeli susu.

- Aturan: {roti, mentega} {susu}

- Support: 40%

- Confidence: 66.7%

- Lift: 0.83

- Lift < 1 kombinasi terjadi sedikit lebih jarang dari yang diharapkan.

• Manfaat Market Basket Analysis:

- Tata letak toko

- Rekomendasi produk

- Strategi promosi dan bundling

- Manajemen stok

Kesimpulan:

Dengan memahami teknik asosiasi, pelaku bisnis dapat menggali wawasan dari data transaksi dan mengambil keputusan yang lebih tepat dalam pemasaran, penempatan produk, dan pengelolaan inventaris.