Support ( A )=
Frequent itemset menunjukkan itemset yangmemiliki frekuensi kemunculan lebih dari nilai
minimum yang ditentukan ( ). Misalkan
kemunculannya lebih dari atau sama dengan 2 kali disebut frequent. Himpunan dari frequent kitemset dilambangkan dengan Fk.
Confidence=
Untuk menentukan aturan asosiasi yang akan dipilih maka harus diurutkan berdasarkan
Support Confidence. Aturan diambil sebanyak n aturanyang memiliki hasil terbesar.
C. Contoh Kasus
Berikut ini adalah daftar merek produk Elektronik, dapat dilihat pada tabel dibawah ini:
D.
Merek
Jenis
1.
2.
3.
4.
5.
Acer
Asus
HP
Samsung
Lenovo
Laptop
Laptop
Laptop
Laptop
Laptop
6.
7.
8.
9.
10.
11.
12.
13.
Zyrex
Bioar
Apple
Toshiba
Hewpa
Dell
Axio
Compaq
Laptop
Laptop
Laptop
Laptop
Laptop
Laptop
Laptop
Laptop
ItemSet
Acer, Toshiba, Samsung
2
3
4
5
6
7
8
9
10
11
12
a. Pembentukan Itemset
Berikut ini adalah penyelesaian dengan contoh kasus berdasarkan data yang sudah
disediakan pada tabel 4.2 :
Proses pembentukan C1 atau disebut dengan 1 itemset dengan jumlah minimum support =
30% Dengan rumus sebagai berikut:
Support ( A )=
Transaksi Mengandung A
Transaksi
x 100%
Support
75%
50%
50%
66,67%
58,33%
b. Kombinasi 2 Itemset
Proses pembentukan C2 atau disebut dengan 2 itemset dengan jumlah minimum support =
30% Dapat diselesaikan dengan rumus berikut:
Support ( A , B ) =P ( A B ) Support ( A , B )=
Jumlah
4
3
4
6
2
2
2
3
2
3
Support
33,33%
25%
41,67%
50%
16,67%
25%
20%
33,33%
16,67%
33,33%
Minimal support yang ditentukan adalah 30%, jadi kombinasi 2 itemset yang tidak
memenuhi minimal support akan dihilangkan, terlihat seperti 2 Table dibawah ini:
Tabel 5 : Minimal Support 2 itemset 30%
Itemset
Acer,Asus
Acer,Samsung
Acer,Toshiba
HP,Samsung
Toshiba,Samsung
Support
33,33%
41,67%
50%
33,33%
33,33%
c. Kombinasi 3 Itemset
Proses pembentukan C3 atau disebut dengan 3 itemset dengan jumlah minimum support =
30% Dapat diselesaikan dengan rumus berikut:
Support ( A , B ) =P ( A B C ) =
Jumlah
1
Support
8,33%
Acer ,Toshiba,Asus
16,67%
16,67%
Asus,Acer,HP
8,33%
Asus,HP,Samsung
16,67%
Asus,HP,Toshiba
0%
HP,Samsung,Toshiba
8,33%
Karena Kombinasi 3 itemset tidak ada yang memenuhi minimal support, maka 2
kombinasi yang memenuhi untuk pembentukan asosiasi .
Dari kombinasi 2 itemset yang telah ditemukan, dapat dilihat besarnya nilai support, dan
confidence dari calon aturan asosiasi seperti tampak pada tabel dibawah ini:
Tabel 7 : Aturan Asosiasi
Aturan
Jika membeli Acer, maka
akan membeli Asus
Jika membeli Asus, maka
akan membeli Acer
Jika membeli Acer, maka
akan membeli Samsung
Jika membeli Samsung,
maka akan membeli Acer
Jika membeli Acer, maka
akan membeli Toshiba
Jika membeli Toshiba, maka
akan membeli Acer
Jika membeli HP, maka
akan membeli Samsung
Jika membeli Samsung,
maka akan membeli HP
Confidence
4/9
44,44%
4/6
66,67%
5/9
45%
5/8
40%
6/9
66,67%
6/7
85,714%
4/6
66,67%
4/8
50%
Support
50%
Confidence
66,67%
50%
85,714%
Berdasarkan aturan asosiasi diatas,dapat diketahui merek produk elektronk yang paling
banyak terjual pada perusahaan Kreditplus Medan,dan dapat dilihat pada grafik berikut ini:
Kesimpulan
Jadi, berdasarkan grafik diatas, merek produk elektronik yang paling banyak terjual adalah
Acer dan Toshiba, dengan diketahuinya produk yang paling banyak terjual tersebut, sehingga
perusahaan dapat menyusun strategi pemasaran untuk memasarkan produk dengan merek lain
dengan meneliti apa kelebihan produk yang paling banyakterjual tersebut dengan produk
lainnya dan dapat menambah persedian Acer dan Toshiba.
Saran
1. Penjualan produk elektronik paling banyak terjual pada perusahaaan Kreditplus Medan
dapat diketahui dengan menggunakan algoritma apriori, dengan melihat produk yang
memenuhi minimal support dan minimal confidence, produk yang paling banyak terjual
tersebut adalah Acer dan Toshiba, namun dalam penghitungan support dan confidencenya
sulit jika data yang diolah dalam jumlah yang besar.
2. Algoritma Apriori dapat membantu mengembangkan strategi pemasaran dengan
memberikan saran kepada konsumen.