(Association Algorithm)
Dibuat Oleh:
Junta Zeniarja, M.Kom, M.CS
Agus Umar Hamdani, M.Kom
Contoh Kasus : Kita ingin mengetahui
keterkaitan barang-barang yang dibeli
oleh pelanggan agar dapat diatur
penempatan dari barang-barang tst.
2
Definisi Association Rules
3
Definisi Association Rules
• Input
• Adanya sejumlah transaksi (dataset).
• Setiap transaksi memuat kumpulan
item (recordset).
• Problema
• Bagaimana caranya menemukan
association rule yang memenuhi nilai
minimum support dan nilai minimum
confidence yang kita berikan.
10
Definisi Association Rules
11
Definisi Association Rules
12
Definisi Association Rules
13
Definisi Association Rules
14
Definisi Association Rules
16
Contoh Studi Kasus
Itemset Sp
A 0.3
B 0.1 Jika minsupport diberikan oleh user sebagai
C 0.8 threshold adalah 0.2, maka frequent itemset
D 0.7 adalah semua itemset yang support-nya >= 0.2,
yakni
AB 0
A, C, D, AC, AD, CD, ACD
AC 0.2
AD 0.3 Dari frequent itemset bisa dibangun kaidah
BC 0.1 asosiasi sbb:
BD 0.1 A C C A
A D D A
CD 0.5
C D D C
ABC 0
ABD 0 A,C D A,D C C,D A
ACD 0.2
BCD 0.1
Confidence(A C) = support(A,C) / support(A)
ABCD 0 17
Algoritma FP-Growth
19
Algoritma FP Growth
20
Contoh Algoritma FP Growth
Langkah 1 :
21
Contoh Algoritma FP Growth
Langkah 2 :
22
Contoh Algoritma FP Growth
Langkah 3 :
23
Contoh Algoritma FP Growth
Langkah 3 :
24
Contoh Algoritma FP Growth
Langkah 4 :
25
Definisi Algoritma Apriori
27
Definisi Algoritma Apriori
29
Contoh Algoritma Apriori
30
Contoh Algoritma Apriori
31
Contoh Algoritma Apriori
32
Contoh Studi Kasus
33
Contoh Studi Kasus
Rumus :
Nilai Support (A) = jumlah transaksi mengandung A / Total transaksi.
Nilai Support untuk 2 itemset, Support(A ∩ B) = jumlah transaksi mengandung A dan B / Total Transaksi
Nilai Confidence (A B) = jumlah transaksi mengandung A dan B (AUB) / Jumlah transaksi mengandung A
35
36