Nama : Theofilus Kharisma

NIM : M0518059

1. Rule generation Apriori algorithm

Merupakan sebuah teknik untuk menentukan keterkaitan antar objek. Algoritma apriori
menggunakan pendekatan “bottom-up”, membuat beberapa grup kandidat yang akan dites
dengan data aslinya.
2. Jelaskan :
a. Association Rules memiliki nilai support RENDAH dan confidence RENDAH
Misal dalam sebuah toko, terdapat barang A dan B.
Saat nilai support rendah, maka pembelian barang A dan B rendah, dengan
confidence yang rendah pula, orang yang membeli barang A kemudian membeli
barang B sedikit. Hal itu terjadi karena banyak association rule A ke B.

b. Association Rules memiliki nilai support RENDAH dan confidence TINGGI

Saat nilai support rendah, maka pembelian barang A dan B rendah, dengan
confidence yang tinggi, orang yang membeli barang A kemudian membeli barang B
sedikit. Hal itu terjadi karena banyak association rule A ke B, tapi tidak sebanyak
support rendah, confidence rendah.

c. Association Rules memiliki nilai support TINGGI dan confidence RENDAH

Saat nilai support tinggi, maka pembelian barang A dan B tinggi, dengan confidence
yang rendah, orang yang membeli barang A kemudian membeli barang B akan
banyak. Hal itu terjadi karena sedikit association rule A ke B.

d. Association Rules memiliki nilai support TINGGI dan confidence TINGGI

Saat nilai support tinggi, maka pembelian barang A dan B tinggi, dengan confidence
yang tinggi, orang yang membeli barang A kemudian membeli barang B akan
banyak. Hal itu terjadi karena sedikit association rule A ke B.

3. Transaksi belanja di suatu supermarket dilaporkan sebagai berikut

a. Tentukan frequent itemset memakai algoritma Apriori dengan minsup : 0.3 (maksudnya:
suatu itemset dikategorikan frequent itemset, jika supportnya > 0.3)
Jawab:
Isi file .arff sebelum diolah menggunakan Weka 3.8.4
b. Ekstrak-lah association rules dari hasil (a), yang memiliki nilai confidence > 0.6
Jawab:

4.