Berikut ini merupakan perhitungan manual serta hasil data mining berdasarkan data yang di

ambil pada database yang digunakan dalam aplikasi data mining ini.
ID Transaksi
1
2
3
4
5
6
7
8

Nama Barang
Selai Strawberry, Roti Lapis Selai
Kacang, Roti Sobek 5 Rasa
Roti Tawar, Roti Coklat, Roti Sobek 5
Rasa
Roti Sobek 5 Rasa, Roti Lapis Selai
Keju, Mentega, Roti Coklat
Roti Lapis Selai Kacang, Roti Sobek 5
Rasa, Roti Lapis Selai Keju, Mentega
Mentega, Roti Tawar, Selai Strawberry
Roti Coklat, Roti Tawar, Mentega, Roti
Lapis Selai Keju
Roti Lapis Selai Keju, Roti Sobek 5
Rasa
Selai Strawberry, Roti Lapis Selai Keju,
Roti Lapis Selai Kacang

Roti Coklat, Roti Tawar, Mentega

10
11

Mentega, Roti Sobek 5 Rasa,

Roti Lapis Selai Kacang

12

Roti Tawar, Gula Tropicana

13

Roti Gandum

1. Pisahkan masing-masing item set

Item Set
Selai Strawberry (A)
Roti Lapis Selai Kacang (B)
Roti Sobek 5 Rasa (C)
Roti Tawar (D)
Roti Coklat (E)
Roti Lapis Selai Keju (F)
Mentega (G)
Gula Tropicana (H)
Roti Gandum (I)

2. Kemudian buat tabel seperti di bawah ini

ID

A B C D E

G H

Transaksi
1

10

11

12

13

3. Kemudian hitung jumlah banyaknya hubungan untuk setiap item

ID
A B C D E F G H
Transaksi
1
1 1 1 0 0 0 0 0

4. Tentukan .

I
0

0 1

1 1 0 0

0 1

0 1 1 1

1 1

0 0 1 1

0 0

1 0 0 1

0 0

1 1 1 1

0 1

0 0 1 0

1 0

0 0 1 0

0 0

1 1 0 1

10

0 1

0 0 0 1

11

1 0

0 0 0 0

12

0 0

1 0 0 0

13

0 0

0 0 0 0

4 6

5 4 5 6

Misalkan kita tentukan = 3, maka kita dapat menentukan frekuen itemset. Dari tabel di atas
diketahui total untuk transaksi k = 1, semuanya lebih besar dari . Maka:
F1 = {{A}, {B}, {C}, {D}, {E}, {F}, {G}}
Untuk k = 2 (2 unsur), diperlukan tabel untuk tiap-tiap pasang item.
Himpunan yang mungkin terbentuk adalah:
{A,B}, {A,C}, {A,D}, {A,E}, {A,F}, {A,G}, {B,C}, {B,D}, {B,E}, {B,F}, {B,G}, {C,D},
{C,E}, {C,F}, {C,G}, {D,E}, {D,F}, {D,G}, {E,F}, {E,G}, {F,G}
Tabel-tabel untuk calon 2 item set:
ID
Transak
si
1

Frekuen
si

10

11

12

13

0
2

Frekuen
si

ID
Transak
si
1

10

11

12

13

0
1

Frekuen
si

10

11

12

13

0
1

Frekuen
si

ID
Transak
si
1

ID
Transak
si
1

10

11

12

13

0
0

Frekuen
si

10

11

12

13

0
1

ID
Transak
si
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

Frekuens
i
1

10

11

12

13

0
2

Frekuens
i
0

10

11

12

13

0
0

ID
Transaksi
1

ID
Transaksi
1

0
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

0
0

Frekuens
i
0

10

11

12

13

0
2

ID
Transaksi
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

0
1

Frekuens
i
0

10

11

12

13

0
1

ID
Transaksi
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

0
2

Frekuens
i
0

10

11

12

13

0
3

ID
Transaksi
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

0
3

Frekuens
i
0

10

11

12

13

0
3

ID
Transaksi
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

0
1

Frekuens
i
0

10

11

12

13

0
3

ID
Transaksi
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

0
2

Frekuens
i
0

10

11

12

13

0
3

ID
Transaksi
1

ID
Transaksi
1

Frekuens
i
0

10

11

12

13

0
3

Dari tabel-tabel 2 unsur di atas, 1 artinya item-item yang memiliki hubungan, sedangkan 0
berarti tidak ada item yang saling berhubungan. melambangkan jumlah Frekuensi item set.
Jumlah frekuensi item set harus lebih besar atau sama dengan jumlah Frekuensi item set
( >= ). Dari tabel diatas, maka didapat:
F2 = {C,F}, {C,G}, {D,E}, {D,G}, {E, G}, {F,G}
Selanjutnya untuk mengkombinasi dari itemset dalam F2, dapat kita gabungkan menjadi
calon 3-itemset. Namun pada kasus di atas aplikasi hanya mampu hingga menghitung F2
saja karena kebutuhan aplikasi sendiri cukup analisis hingga F2.

5. Menentukan (ss-s) sebagai antecedent dan s sebagai consequent dari Fk yang telah di dapat
berdasarkan rule pada langkah 5.
Pada F2 di dapat himpunan F2 = {C,F}, {C,G}, {D,E}, {D,G}, {E, G}, {F,G}
Maka dapat disusun :
Untuk {C,F} :
- Jika (ss-s) = C, Jika s = F, Maka if buy C then buy F
- Jika (ss-s) = F, Jika s = C, Maka if buy F then buy C
Untuk {C,G} :
- Jika (ss-s) = C, Jika s = G, Maka if buy C then buy G
- Jika (ss-s) = G, Jika s = C, Maka if buy G then buy C
Untuk {D,E} :
- Jika (ss-s) = D, Jika s = E, Maka if buy D then buy E
- Jika (ss-s) = E, Jika s = D, Maka if buy E then buy D
Untuk {D,G} :
- Jika (ss-s) = D, Jika s = G, Maka if buy D then buy G
- Jika (ss-s) = G, Jika s = D, Maka if buy G then buy D
Untuk {E,G} :
- Jika (ss-s) = E, Jika s = G, Maka if buy E then buy G
- Jika (ss-s) = G, Jika s = E, Maka if buy G then buy E
Untuk {F,G} :
- Jika (ss-s) = F, Jika s = G, Maka if buy F then buy G
- Jika (ss-s) = G, Jika s = F, Maka if buy G then buy F
6. Dari langkah diatas maka kita telah mendapatkan 12 rule yang dapat digunakan yaitu :
if buy C then buy F
if buy F then buy C
if buy C then buy G
if buy G then buy C
if buy D then buy E
if buy E then buy D
if buy D then buy G
if buy G then buy D
if buy E then buy G
if buy G then buy E
if buy F then buy G
if buy G then buy F
7. Hitung Support dan Confidence
Item Set

Support

Confidence

if buy C then buy F

(3/13) x 100% = 23.07%

(3/6) x 100% = 50%

if buy F then buy C

(3/13) x 100% = 23.07%

(3/5) x 100% = 60%

if buy C then buy G

(3/13) x 100% = 23.07%

(3/6) x 100% = 50%

if buy G then buy C

(3/13) x 100% = 23.07%

(3/6) x 100% = 50%

if buy D then buy E

(3/13) x 100% = 23.07%

(3/5) x 100% = 60%

if buy E then buy D

(3/13) x 100% = 23.07%

(3/4) x 100% = 75%

if buy D then buy G

(3/13) x 100% = 23.07%

(3/5) x 100% = 60%

if buy G then buy D

(3/13) x 100% = 23.07%

(3/6) x 100% = 50%

if buy E then buy G

(3/13) x 100% = 23.07%

(3/4) x 100% = 75%

if buy G then buy E

(3/13) x 100% = 23.07%

(3/6) x 100% = 50%

if buy F then buy G

(3/13) x 100% = 23.07%

(3/5) x 100% = 60%

if buy G then buy F

(3/13) x 100% = 23.07 %

(3/6) x 100% = 50%

8. Setelah di dapat support dan confidence untuk masing-masing kandidat, maka nilai support x
confidencenya dapat dicara, dimana nilai confidence yang diambil dalam kasus ini adalah lebih
dari 60% keatas, sehingga didapat tabel sebagai berikut :
9.
Item Set

Support

Confidence

Supp x Conf

if buy F then buy C

23.07%

60%

0.138

if buy D then buy E

23.07%

60%

0.138

if buy E then buy D

23.07%

75%

0.172

if buy D then buy G

23.07%

60%

0.138

if buy E then buy G

23.07%

75%

0.172

if buy F then buy G

23.07%

60%

0.138

10. Dari langkah tersebut maka dapat diperoleh rule sebagai berikut :
- Jika membeli F maka akan membeli C dengan support 23.07% dan confidence 60%
- Jika membeli D maka akan membeli E dengan support 23.07%dan confidence 60%
- Jika membeli E maka akan membeli D dengan support 23.07% dan confidence 75%
- Jika membeli D maka akan membeli G dengan support 23.07% dan confidence 60%
- Jika membeli E maka akan membeli G dengan support 23.07% dan confidence 75%
- Jika membeli F maka akan membeli G dengan support 23.07% dan confidence 60%
11. Dapat Ditarik kesimpulan hasil yang didapat adalah
-

Jika membeli Roti Lapis Selai Keju maka membeli Roti Sobek 5 Rasa

Jika membeli Roti Tawar maka Membeli Roti Coklat

Jika membeli Roti Coklat maka membeli Roti Tawar

Jika membeli Roti Tawar maka membeli Mentega

Jika membeli Roti Coklat maka membeli Mentega

Jika membeli Roti Lapis Selai Keju maka membeli Mentega