1.

(Point: 15) Lakukan proses Clustering untuk data kepemilikan rumah berikut ini
menggunakan metode AgNes dengan metode Inter-Cluster Similarity MIN dan MAX.
Gunakan kolom District, House Type dan Income saja.
Hints: Lakukan normalisasi dahulu dengan Min-max Normalization, sehingga nilai tiap
attribut menjadi antara 0 s/d 1; Hitung Distance menggunakan Euclidean Distance.
No. District House Type Income Previous Outcome
Customer
1 Suburban Detached High No Nothing
2 Suburban Detached High Yes Nothing
3 Rural Detached High No Responded
4 Urban Semi-detached High No Responded
5 Urban Semi-detached Low No Responded
6 Urban Semi-detached Low Yes Nothing
7 Rural Semi-detached Low Yes Responded
8 Suburban Terrace High No Nothing
9 Suburban Semi-detached Low No Responded
10 Urban Terrace Low No Responded
11 Suburban Terrace Low Yes Responded
12 Rural Terrace High Yes Responded
13 Rural Detached Low No Responded
14 Urban Terrace High Yes Nothing
15 Rural Terrace Low No Nothing

2. (Point: 15) Dari data transaksi penjualan toko roti dibawah ini:

a. Carilah Frequent Itemset menggunakan algoritma Apriori bila di setting Minimum

Support > 30%.
b. Bila diketahui Minimum Confidence >= 70%, carilah rule-rule asosiasi yang
memenuhi syarat minimum confidence tersebut.

3. (Point: 15) Dari data sekuensial toko buah kering online, dibawah ini carilah Maximal
Large Sequence menggunakan AprioriAll bila di setting Minimum Support = 2.

Customer-Id Sequence
10 < apel ( salak ceri ) manggis >
20 < manggis ( apel salak ) ( salak ceri ) duku >
30 < ceri ( apel manggis pisang ) ( apel salak ceri ) duku >
40 < apel duku ceri salak >

- Selamat Mengerjakan -