Algoritma Apriori Analisis Data

Tabel 3.1 Data Ekspor Lanjutan Tgl Ekspor ID Ekspor Data Ekspor Tgl Ekspor ID Ekspor Data Ekspor 15012013 E181 Minyak Sawit-Cina 15012013 E191 Kulit Kayu Manis- Amerika Serikat E182 Kopi Biji-Amerika Serikat E192 Kopi Biji-Malaysia E183 Minyak Sawit-Cina E193 Pinang Biji- Pakistan E184 Kopi Biji-Amerika Serikat E194 Karet Lembaran- Cina E185 Kopi Biji-Singapura E195 Sayuran Kubis- Taiwan E186 Kopi Biji-Australia E196 Kopi Biji-Jerman E187 Kopi Biji-Singapura E197 Sayuran Kubis- Taiwan E188 Kakao Biji-Malaysia E198 Kayu Karet- Malaysia E189 Pinang Biji-Pakistan E199 Minyak Sawit-Cina E190 Kopi Biji-Singapura E200 Kayu Karet- Malaysia

3.2.1 Algoritma Apriori

Pada tahapan ini akan dilakukan teknik aturan asosiasi dengan algoritma Apriori dan perancangan flowchart algoritma apriori dapat dilihat pada Gambar 3.2. Dari flowchart tersebut dapat diuraikan lebih jelas proses asosiasi dari algoritma apriori, dimana terlebih dahulu ditentukan nilai minimum support dan nilai minimum confidence. Kemudian akan dilakukan proses pembuatan tabel C1 dengan memperoleh nilai support dari masing-masing item terlebih dahulu, berikut ini merupakan penjelasan lebih lanjut dari flowchart apriori. Universitas Sumatera Utara Min Support dan Min Confidence Supporta = jumlah transaksi a total transaksi 100 Proses Pembuatan tabel C1 Tabel C1 terbentuk If Support = min Support Y T Tabel L1 terbentuk Proses Pembuatan Tabel C2 Support = jumlah transaksi mengandung a dan b total transaksi 100 Tabel C2 terbentuk If Support = min Support Y T P1 Start P1 Terbentuk Tabel Confidence L2 If confidence = min confidence Tabel Aturan Asosiasi Kesimpulan hasil asosiasi End Y T Tabel L2 terbentuk Confidence = kombinasi transaksi a dan b transaksi a 100 Gambar 3.2 Flowchart Algoritma Apriori Langkah 1 : Mencari C1 Kandidat 1-itemset Setelah ditentukan nilai minimum support dan minimum confidence, maka dilakukan proses pembentukan tabel C1. Dari Tabel 3.1 akan dilakukan pencarian nilai support pada masing-masing item dengan rumus : Jumlah Transaksi mengandung A Support : x 100 Total Transaksi Universitas Sumatera Utara Berdasarkan rumus diatas dapat dihitung nilai support masing-masing item, berikut ini dimisalkan pencarian nilai support untuk item Karet Lembaran berdasarkan data Tabel 3.1 : 20 SupportKaret Lembaran : x 100 = 10. 200 Maka dari hasil pencarian nilai support masing-masing item tersebut, tabel C1 terbentuk seperti yang terlihat pada Tabel 3.2. Tabel 3.2 C1 Kandidat 1-itemset Itemset Support Karet Lembaran 20200 100 = 10 Kayu Karet 15200 100 = 7,5 Kakao Biji 5200 100 = 2,5 Ubi Jalar 2200 100 = 1 Kopi Biji 48200 100 = 24 Pinang Biji 24200 100 = 12 Gambir 1200 100 = 0,5 Sapu Lidi 5200 100 = 2,5 Kulit Kayu Manis 17200 100 = 8,5 Kelapa Parut 2200 100 = 1 Getah Pinus 1200 100 = 0,5 Minyak Sawit 31200 100 = 15,5 Kayu Manis 3200 100 = 1,5 Wood Flooring 8200 100 = 4 Karet Lempengan 9200 100 = 4,5 Sayuran Kubis 7200 100 = 3,5 Damar Batu 2200 100 = 1 India 7200 100 = 3,5 Malaysia 22200 100 = 11 Universitas Sumatera Utara Tabel 3.2 C1 Kandidat 1-itemsetLanjutan Itemset Support Cina 32200 100 = 16 Singapura 8200 100 = 4 Jepang 3200 100 = 1,5 Amerika Serikat 21200 100 = 10,5 Pakistan 22200 100 = 11 Kanada 3200 100 = 1,5 Korea Selatan 3200 100 = 1,5 Republik Dominika 3200 100 = 1,5 Jerman 5200 100 =2,5 Australia 3200 100 = 1,5 Polandia 1200 100 = 0,5 India 7200 100 = 3,5 Malaysia 22200 100 = 11 Cina 32200 100 = 16 Belanda 3200 100 = 1,5 Sierra Leone 3200 100 = 1,5 Taiwan 13200 100 = 6,5 Afrika Selatan 3200 100 = 1,5 Rusia 2200 100 = 1 Sri Lanka 2200 100 = 1 Argentina 1200 100 = 0,5 Bangladesh 7200 100 = 3,5 Inggris 2200 100 = 1 Vietnam 2200 100 = 1 Portugal 1200 100 = 0,5 Thailand 5200 100 = 2,5 Yaman 1200 100 = 0,5 Brasil 2200 100 = 1 Siria 5200 100 = 2,5 Tabel 3.2 C1 Kandidat 1-itemsetLanjutan Universitas Sumatera Utara Itemset Support Haiti 2200 100 = 1 Irlandia 1200 100 = 0,5 Algeria 5200 100 = 2,5 Meksiko 2200 100 = 1 Swedia 1200 100 = 0,5 Turki 2200 100 = 1 Perancis 1200 100 = 0,5 Libanon 1200 100 = 0,5 Langkah 2 : Menentukan L1 Berdasarkan Tabel 3.2 maka langkah selanjutnya yaitu penentuan nilai L1 = {large 1- itemset} dengan minimum support ≥ 5 . Nilai-nilai support pada Tabel 3.2 yang lebih besar atau sama dengan 5 adalah nilai L1 Large 1-itemset seperti terlihat pada Tabel 3.3 Tabel 3.3 L1 Large 1-itemset Itemset Support Kopi Biji 48200 100 = 24 Cina 32200 100 = 16 Kopi Biji 48200 100 = 24 Cina 32200 100 = 16 Minyak Sawit 31200 100 = 15,5 Pinang Biji 24200 100 = 12 Malaysia 22200 100 = 11 Pakistan 22200 100 = 11 Amerika Serikat 21200 100 = 10,5 Karet Lembaran 20200 100 = 10 Kulit Kayu Manis 17200 100 = 8,5 Tabel 3.3 L1 Large 1-itemsetLanjutan Universitas Sumatera Utara Itemset Support Kayu Karet 15200 100 = 7,5 Taiwan 13200 100 = 6,5 Langkah 3 : Mencari C2 Kandidat 2-itemset Langkah selanjutnya yaitu mencari nilai support count berdasarkan kombinasi antara negara dan nama komoditas dengan rumus : Jumlah Transaksi mengandung A dan B Support : x 100 Total Transaksi Berdasarkan rumus diatas dapat dihitung nilai support masing-masing item, berikut ini dimisalkan pencarian nilai support untuk item Kopi Biji-Malaysia berdasarkan data Tabel 3.3 : 4 SupportKopi Biji-Malaysia : x 100 = 2. 200 Hasil dari pencarian nilai support masing-masing item dapat dilihat pada Tabel 3.4. Tabel 3.4 C2 Kandidat 2-itemset Itemset Support Count Support Kopi Biji, Malaysia 4 4200 100 = 2 Kopi Biji, Cina 0200 100 = 0 Kopi Biji, Amerika Serikat 15 15200 100 = 7,5 Kopi Biji, Pakistan 0200 100 = 0 Kopi Biji, Taiwan 3 3200 100 = ,5 Minyak Sawit, Malaysia 0200 100 = 0 Minyak Sawit, Cina 11 11200 100 = 5,5 Tabel 3.4 C2 Kandidat 2-itemsetLanjutan Universitas Sumatera Utara Itemset Support Count Support Minyak Sawit, Amerika Serikat 0200 100 = 0 Minyak Sawit, Pakistan 1 1200 100 = 0,5 Minyak Sawit, Taiwan 0200 100 = 0 Pinang Biji, Malaysia 0200 100 = 0 Pinang Biji, Cina 0200 100 = 0 Pinang Biji, Amerika Serikat 0200 100 = 0 Pinang Biji, Pakistan 17 17200 100 = 8,5 Pinang Biji, Taiwan 0200 100 = 0 Karet Lembaran, Malaysia 0200 100 = 0 Karet Lembaran, Cina 10 10200 100 = 5 Karet Lembaran, Amerika Serikat 1 1200 100 = 0,5 Karet Lembaran, Pakistan 0200 100 = 0 Karet Lembaran, Taiwan 0200 100 = 0 Kulit Kayu Manis,Malaysia 0200 100 = 0 Kulit Kayu Manis,Cina 0200 100 = 0 Kulit Kayu Manis, Amerika Serikat 3 3200 100 = 1,5 Kulit Kayu Manis, Pakistan 0200 100 = 0 Kulit Kayu Manis, Taiwan 0200 100 = 0 Kayu Karet, Malaysia 8 8200 100 = 4 Kayu Karet, Cina 4 4200 100 = 2 Kayu Karet, Amerika Serikat 0200 100 = 0 Kayu Karet, Pakistan 0200 100 = 0 Kayu Karet, Taiwan 0200 100 = 0 Langkah 4 : Menentukan L2 Berdasarkan Tabel 3.4 maka langkah selanjutnya yaitu penentuan nilai L2 = {large 2- itemset} dengan minimum support ≥ 5 . Nilai-nilai support pada Tabel 3.4 yang lebih besar atau sama dengan 5 adalah nilai L2 Large 2-itemset seperti terlihat pada Tabel 3.5. Universitas Sumatera Utara Tabel 3.5 L2 Large 2-itemset Itemset Support Count Support Kopi Biji, Amerika Serikat 15 15200 100 = 7,5 Minyak Sawit, Cina 11 11200 100 = 5,5 Pinang Biji, Pakistan 17 17200 100 = 8,5 Karet Lembaran, Cina 10 10200 100 = 5 Kemudian akan dihitung nilai confidence dari setiap item L2, dengan hasil dapat terlihat pada Tabel 3.6 Tabel 3.6 Confidence L2 Itemset x → y Confidence Kopi biji → Amerika Serikat 1548100 = 31,25 Minyak sawit → Cina 1131100 = 35,48 Pinang Biji → Pakistan 1724100 = 70,83 Karet Lembaran → Cina 1020100 = 50 Langkah selanjutnya yaitu dimisalkan nilai minimum confidence ≥ 35, maka aturan asosiasi yang mungkin terbentuk adalah seperti yang terlihat pada Tabel 3.7. Tabel 3.7 Aturan Asosiasi If antecedent else consequence x -- y Support Confidence Kopi biji -- Amerika Serikat 15200 100 = 7,5 1548100 = 31,25 Minyak sawit -- Cina 11200 100 = 5,5 1131100 = 35,48 Tabel 3.7 Aturan AsosiasiLanjutan Universitas Sumatera Utara If antecedent else consequence x -- y Support Confidence Pinang Biji -- Pakistan 17200 100 = 8,5 1724100 = 70,83 Karet Lembaran -- Cina 10200 100 = 5 1020100 = 50 Berdasarkan langkah-langkah di atas, maka dapat diperoleh kesimpulan bahwa komoditas yang memenuhi minimum support ≥ 5 dan minimum confidence ≥ 35 sebagai berikut : 1. Jika mengekspor Minyak Sawit maka negara tujuannya Cina dengan nilai support 5,5 dan confidence 35,48 2. Jika mengekspor Pinang Biji maka negara tujuannya Pakistan dengan nilai support 8,5 dan confidence 70,83 3. Jika mengekspor Karet Lembaran maka negara tujuannya Cina dengan nilai support 5 dan confidence 50

3.2.2 Algoritma CT-Pro