2
ANALISIS ASOSIASI
3
ANALISIS ASOSIASI
4
Market Basket Analysis
Market Basket Analysis
Strategi
✓Didekatkan letaknya
✓Dijauhkan letaknya, dengan pertimbangan cust membeli barang
lain
✓Stok barang harus tersedia, jangan sampai kosong
✓Alternatif pengganti merk lain untuk barang sejenis
✓Dijual sepaket
✓Promosi barang lain yang kurang laku
Contoh Penerapan Kaidah Asosiasi Data
Notice :
bahwa notasi P (A∪B) menunjukkan probabilitas bahwa suatu transaksi mengandung gabungan set A dan B (mis., Itu berisi setiap item
dalam A dan B).
Ini tidak boleh dikacaukan dengan P (A atau B), yang menunjukkan probabilitas bahwa suatu transaksi mengandung A atau B.
Data Mining Concepts and Techniques, Jiawei Han, Micheline Kamber, Jian Pei,elsivier 2012
CONFIDENCE A→B
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴 ∪ 𝐵) 𝑆𝑢𝑝𝑝𝑜𝑟𝑡_𝑐𝑜𝑢𝑛𝑡 (𝐴 ∪ 𝐵)
𝑪𝒐𝒏𝒇𝒊𝒅𝒆𝒏𝒄𝒆(𝑨 → 𝑩) = 𝑷(𝑩|𝑨) = =
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴) 𝑆𝑢𝑝𝑝𝑜𝑟𝑡_𝑐𝑜𝑢𝑛𝑡 (𝐴)
Data Mining Concepts and Techniques, Jiawei Han, Micheline Kamber, Jian Pei,elsivier 2012
DEFINISI ANALISIS ASOSIASI
Tentukan nilai ᵩ dan pilih item yang memenuhi nilai Minimum Support
Bentuk aturan Asosiasi, lalu pilih pasangan item yang sesuai dengan nilai
minimum confidence yang telah ditentukan
TId Items Item Set Support Item Set Support Item Set
C1 {A} 0,5
10 A,C,D L1 {A} 0,5 {A,B}
{C,E} 0,5
CONTOH TRANSAKSI
FORMAT TRANSAKSI DALAM DATABASE TRANSAKSIONAL
Transaction Id Items
1 Broccoli
1 Green peppers
1 Corn
2 Asparagus
2 Squash
2 Corn
3 Corn
3 Tomatoes
...... ........
FORMAT TABULAR TRANSAKSI
• Misalkan D adalah himpunan transaksi, dimana masing-masing transaksi T
dalam D merepresentasikan himpunan item yang berada dalam I.
• Misalkan kita memiliki himpunan items A (misal Beans dan squash) dan
himpunan item lain B (misal asparagus).
• Kemudian aturan asosiasi akan berbentuk
• Jika A, maka B ( A→B)
• Dimana antecedent A dan consequent B merupakan subset dari I, dan A dan B
merupakan mutually exclusive.
• Definisi ini tidak berlaku untuk aturan trivial seperti : Jika beans dan Squash
Maka beans
❑Aturan yang akan diambil adalah aturan yang memiliki support dan/atau confidence
yang tinggi.
❑ Aturan yang kuat adalah aturan-aturan yang melebihi kriteria support dan/atau
confidence minimum.
❑ Misalnya seorang analist menginginkan aturan yang memiliki support lebih dari
20 % dan confidence lebih dari 35 %.
Frequent Item Analysis
ф=4
❑ jika ditetapkan nilai ф = 4 maka
F2 ={ {asparagus, beans}, {asparagus, squash},
{beans,corn}, {beans, squash}, {beans, tomatoes},
{broccoli, green peppers}, {corn,tomatoes} }
❑Kombinasi dari itemset dalam F2 dapat kita gabungkan menjadi calon 3-
itemset.
❑Itemset-itemset dari F2 yang dapat digabungkan adalah itemset-
itemset yang memiliki kesamaan dalam k-1 item pertama
CALON ATURAN ASOSIASI DARI F2
CALON 3-ITEMSET
ф = 4,
Misalkan ditetapkan nilai confidence minimal adalah 80% maka aturan yang bisa
terbentuk adalah aturan dengan 2 antecedent berikut:
2 Item set
3 Item set
Contoh Lain
• http://staffwww.itn.liu.se/~aidvi/courses/06/dm/lectures/lec7.pdf
• http://www.codeding.com/AprioriJS/Apriori.html
• https://www.youtube.com/watch?v=WGlMlS_Yydk
• Data Mining Concepts and Techniques, Jiawei Han, Micheline Kamber,
JianPei,elsivier 2012
Any Question??
Evaluasi
• Carilah rule-rule asosiasi yang dari transaksi berikut menggunakan algoritma FP-
Growth. Gunakan min support 50%.