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
10
11
12
13
Roti Gandum
A B C D E
G H
Transaksi
1
10
11
12
13
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
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
23.07%
60%
0.138
23.07%
60%
0.138
23.07%
75%
0.172
23.07%
60%
0.138
23.07%
75%
0.172
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