Teknik Asosiasi dalam Data Mining : Konsep, Algoritma, Implementasi, Kelebihan dan Kekurangan

Di era digital saat ini, perusahaan mengumpulkan data dalam jumlah besar dari berbagai sumber. Namun, data yang besar tidak akan berguna jika tidak dianalisis dengan benar. Data Mining hadir sebagai solusi untuk menemukan pola tersembunyi dalam kumpulan data. 

Salah satu teknik utama dalam data mining adalah Teknik Asosiasi, yang digunakan untuk mencari hubungan antar item dalam data transaksi. 

Konsep Teknik Asosiasi 

Teknik asosiasi dalam data mining adalah metode untuk menemukan hubungan yang menarik atau pola korelasi antar item dalam sebuah dataset yang besar. Teknik ini bertujuan untuk mengidentifikasi aturan asosiasi yang menunjukkan pola kemunculan bersama dari beberapa item.

Aturan asosiasi biasanya dinyatakan dalam bentuk: 

X Y

Di mana X dan Y adalah himpunan item (itemset). X disebut sebagai antecedent (pendahulu) dan Y disebut sebagai consequent (konsekuen). 

Istilah Penting dalam Teknik Asosiasi 

Untuk memahami teknik asosiasi, kita perlu memahami beberapa istilah kunci: 

• Itemset: Kumpulan satu atau lebih item. Misalnya {Roti, Susu} adalah itemset yang terdiri dari dua item.
• Support: Ukuran yang menunjukkan seberapa sering itemset muncul dalam dataset.

Rumus Support

• Confidence: Ukuran yang menunjukkan seberapa sering aturan terbukti benar.

Rumus Confidence

• Lift: Rasio dari observed support terhadap expected support jika X dan Y independen.

Rumus Lift

• Frequent Itemset: Itemset yang memiliki nilai support lebih besar dari atau sama dengan batas minimum support yang ditentukan.