ALGORITMA APRIORI
Moh Arief Wicaksono1, Ria Rismayanti2, Muhammad Syahrir 3
Jurusan Ilmu Komputer Universitas Bumigora
Jln. Ismail Marzuki, Kota Mataram, Nusa Tenggara Barat. 83127, INDONESIA
ariefw162@gmail.com
Kata Kunci:
Penentuan Pola, Metode
Asosiasi, Algoritma Apriori
ABSTRACT
2. LANDASAN TEORI
2.1. Data Mining
Nama data mining sebenarnya mulai di kenal sejak tahun 1990, ketika pekerjaan pemanfaatan data menjadi sesuatu yang
penting dalam berbagai bidang, mulai dari bidang akademik,bisnis,juga medis. Menurut Tan pengertian “data mining
sebagai proses untuk mendapatkan informasi yang berguna dari gudang basis data yang besar”. Selain definisi tersebut,
dalam bukunya beberapa definisi juga di berikan seperti yang tertera di bawah ini:
“Data mining juga dapat di artikan sebagai pengekstrakan informasi baru yang di ambil dari bongkahan data besar yang
membantu dalam pengambilan keputusan”, Menurut Daryl Pregibon pengertian “ Data mining adalah campuran dari
statistik, kecerdasaan buatan, dan riset basis data yang masih berkembang”. Dari definisi-definisi yang telah di sampaikan,
hal penting yang terkait dengan data mining adalah:
1. Data mining merupakan suatu proses otomatis terhadap data yang sudah ada.
2. Data yang akan di proses berupa data yang sangat besar.
3. Tujuan data mining adalah mendapatkan hubungan atau pola yang mungkin memberikan indikasi yang bermanfaat.
Dalam perkembangan teknologi data mining, terdapat model atau mode yang di gunakan untuk melakukan proses
penggalian informasi terhadap data-data yang ada. Data mining sering di sebut knowledge discovery in database (KDD)
yang bertujuan untuk memanfaatkan data dalam basis data dengan mengelolanya sehingga menghasilkan informasi baru
yang berguna. Jika di lacak akar keilmuannya, ternyata data mining mempunyai empat akar bidang ilmu sebagai berikut:
Artifical
intellige Statistik
Patter Data
nce
n mining
Recog
nition
Database
a. Statistik
Bidang ini merupakan akar paling tua, tanpa ada statistik maka data mining mungkin tidak ada. Dengan
menggunakan statistik klasik ternyata data yang diolah dapat di ringkas dalam apa yang umum di kenal sebagai
exploratory data analysis (EDA). EDA berguna untuk mengidentifikasi hubungan sistematis antar variabel/ fitur ketika
tidak cukup informasi alami yang di bawanya.
b. Kecerdasan Buatan (artifical intelligence)
Bidang ilmu ini berbeda dengan statistik. Teorinya di bangun berdasarkan teknik heuristik sehingga
berkontribusi terhadap teknik pengolahan informasi berdasarkan pada model penalaran manusia.
c. Pengenalan Pola
Sebenarnya data mining juga menjadi turunan bidang pengenalan pola, tetapi hanya mengelola data dari basis
data. Data yang di ambil dari basis data untuk di olah bukan dalam bentuk relasi, melainkan dalam bentuk normal
pertama sehingga set data di bentuk normal pertama.
d. Sistem Basis Data
Akar bidang ilmu keempat dari data mining yang menyediakan informasi berupa data yang akan ‘digali’
menggunakan metode-metode yang di sebutkan sebelumnya.
2.2. Tahapan Data Mining
Menurut CRISP-DM sebuah proyek data mining memiliki siklus hidup yang terbagi dalam enam fase seperti gambar
dibawah ini :
Nilai support dari 2 itemset di peroleh dengan menggunakan persamaan 2.2 berikut:
B. 𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴,𝐵) = 𝑃(𝐴∩𝐵)
S𝑢𝑝𝑝𝑜𝑟𝑡 (A,B) =Σtransaksi mengandung A,B (2.2) Σtransaksi
Nilai support dari 2 itemset di peroleh dengan menggunakan persamaan 2.3 berikut:
C. 𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴,𝐵) = 𝑃(𝐴∩𝐵)
S𝑢𝑝𝑝𝑜𝑟𝑡 (A,B) = Σtransaksi mengandung A, B dan C.(2.3) Σtransaksi
Mulai
Pengolaha
n Data
Pencarian calon
kombinasi
Pembentuka
n Kombinasi
Itemset)
yang
terpilih
Selesai? T
Y
selesai
gambar 2 berikut.
Gambar 2. 2 Algoritma Apriori
3. METODE PENELITIAN
3.1. Metode Pengumpulan Data
Metode pengumpulan data yang penulis gunakan pada penelitian ini sebagai berikut:
1. Observasi
Observasi merupakan suatu teknik pengumpulan data yang dilakukan secara sistematis dan sengaja, yang dilakukan
melalui pengamatan dan pencatatan gejala-gejala yang diselidiki dengan menggunakan alat indra terutama mata terhadap
kejadian yang sedang berlangsung.
2. Wawancara
Wawancara merupakan salah satu teknik yang digunakan dalam pengumpulan data, wawancara yang dilakukan yaitu
tanya jawab antara peneliti dan narasumber dengan tujuan untuk menggali data atau memperoleh informasi yang
berhubungan dengan penelitian.
3. Literatur
Literatur adalah serangkaian kegiatan yang bersangkutan dengan metode pengumpulan data pustaka, membaca dan
mencatat, serta mengelolah bahan penelitian. Maka sumber literatur banyak di dapatkan dari buku, paper atau jurnal,
karya ilmiah, dan situs-situs penunjang, seperti contoh, disini penulis mengambil literature dari buku “Algoritma Data
Mining’ oleh Kusrini,Lutfi, dan Emah Taufiq sebagai bahan referensi atau sumber literatur.
4. Dokumentasi
Dokumentasi merupakan teknik pengumpulan data dengan cara mempelajari dokumen untuk mendapatkan data atau
informasi berkaitan dengan masalah yang diteliti.
2. Kebutuhan Non-Fungsional
Analisis non-fungsional menggambarkan tahapan dimana:
1. Kebutuhan Perangkat Keras (Hardware)
Kebutuhan perangkat keras (Hardware) ialah sebagai berikut:
A. Intel® Core™ i5-6200U CPU @ 2,30GHz (4Cpus), 2,4GHz
B. RAM 4GB
C. HARDISK 512GB DAN SSD 120GB
D. LCD 14”
2. Kebutuhan Perangkat Lunak (Software)
Kebutuhan perangkat lunak (Software) yang digunakan ialah sebagai berikut:
A. Sistem Operasi Windows 10 64-bit
B. Bahasa Pemrograman PHP
C. Visual Studio Code
D. Xampp (MySQL)
E. StarUML
F. Microsoft Excel
3. Pengguna (Brainware)
Analisis pengguna sistem untuk mengetahui siapa saja yang terlibat dalam menjalankan sistem serta apakah sistem
tersebut dapat berjalan dengan baik dan benar. Maka pengguna dari sistem tersebut adalah Admin yang paling
berperan dalam mengelola semua data transaksi sistem seperti import data, input data transaksi dan melakukan
proses perhitunga apriori hingga menemukan hasil yang didapatkan dari aturan asosiasi.
3.3. Perancangan Diagram
a. Use Case Diagram
Use Case Diagram merupakan teknik pemodelan untuk menjelaskan setiap aktivitas yang mungkin terjadi dengan
menggunakan sudut pandang aktor utama admin sebagai pengguna sistem. Gambaran Use Case Diagram yang digunakan
pada aplikasi berbasis web dapat dilihat pada gambar 3.7.