Bangun FP-Tree dari database: struktur pohon yang menyimpan item secara hierarki berdasarkan frekuensi.
Telusuri FP-Tree dari bawah untuk menemukan kombinasi itemset yang sering muncul.
Tidak perlu menghasilkan kandidat seperti pada Apriori.
Kelebihan:
-
Lebih cepat dan hemat memori.
Cocok untuk dataset besar.
Tidak memerlukan scanning database berulang-ulang.
Contoh Penerapan: Dalam transaksi supermarket, FP-Growth bisa langsung menunjukkan bahwa "sabun + sampo + sikat gigi" sering dibeli bersamaan tanpa harus membandingkan semua kemungkinan kombinasi.
- Algoritma Apriori-TID
Apriori-TID adalah varian dari Apriori yang memperbaiki efisiensi pada tahap tertentu, terutama saat jumlah itemset menjadi sangat besar.
Perbedaan dengan Apriori:
Apriori klasik menyimpan database asli dan mengecek semua transaksi.
Apriori-TID mengganti database asli dengan struktur baru (TID-list), yaitu hanya daftar transaksi ID yang mengandung itemset tertentu.
Cara kerja singkat:
-
Awalnya sama dengan Apriori.
Di setiap iterasi, hanya transaksi yang relevan (berisi itemset yang sedang dihitung) yang akan diperiksa.
Ini mengurangi beban pemrosesan, terutama saat itemset makin panjang.
Kelebihan:
