9
II.2.1 Analisis Pola Frekuensi Tinggi dengan Algoritma Apriori
Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam basis data. Nilai support sebuah item diperoleh dengan
menggunakan rumus berikut[3]:
Sementara, nilai support dari 2 item diperoleh dengan menggunakan rumus :
Frequent itemset menunjukkan itemset yang memiliki frekuensi kemunculan lebih dari nilai minimum yang ditentukan . Misalkan = 2, maka semua
itemsets yang frekuensi kemunculannya lebih dari atau sama dengan 2 kali disebut frequent. Himpunan dari frequent k-itemset dilambangkan dengan Fk.
II.2.2. Pembentukan Aturan Asosiasi
Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiasi yang memenuhi syarat minimum untuk confidence dengan menghitung
confidence aturan asosiatif A_ B. Nilai confidence dari aturan A_ B diperoleh dengan rumus berikut:
Untuk menentukan aturan asosiasi yang akan dipilih maka harus diurutkan berdasarkan Support× Confidence. Aturan diambil sebanyak n aturan yang
memiliki hasil terbesar.
10
Proses utama yang dilakukan dalam algoritma Apriori untuk mendapat frequent itemset yaitu[4]:
1. Join penggabungan
Proses ini dilakukan dengan cara pengkombinasian item dengan item yang lainnya hingga tidak dapat terbentuk kombinasi lagi.
2. Prune pemangkasan
Proses pemangkasan yaitu hasil dari item yang telah dikombinasikan kemudian dipangkas dengan menggunakan minimum support yang telah
ditentukan oleh user. Tahapan Perhitungan algoritma Apriori :
1. Tahapan pertama dalam perhitungan algoritma Apriori untuk menemukan
association rules yaitu menuliskan data transaksi yang terjadi dalam periode tertentu.
2. Tahapan berikutnya adalah membuat tabel 1 itemset untuk melakukan
perhitungan jumlah transaksi pada masing-masing barang. 3.
Langkah berikutnya adalah membuat kombinasi 2 itemset pada setiap barang dan frekuensi masing-masing kombinasi dihitung sesuai dengan data pada
tabel. 4.
Tahapan selanjutnya adalah menganalisa tabel pada kombinasi 2 itemset, terdapat beberapa baris yang diberi warna kuning, warna kuning tersebut
adalah itemset yang memenuhi batas minimum dari jumlah frekuensi yang telah ditentukan.
5. Langkah berikutnya adalah dengan membuat 3 itemset yang sesuai dengan
susunan kombinasi yang baru.
11
6. Misalkan ditetapkan nilai confidence minimal adalah 60 maka terlebih
dahulu kita menyeleksi jumlah minimal confidence. Tabel final association rule menjelaskan tentang support dan confidence
dari masing-masing kombinasi 2 itemsets dan 3 itemsets. Hasil perhitungan support pada tabel final association rule didapatkan dari jumlah produk dengan
kombinasi produk A dan B dibagi dengan total produk A. Sedangkan confidence didapatkan dari jumlah produk kombinasi A dan B dibagi dengan total transaksi
yang ada.
12
BAB III PERANCANGAN SISTEM
Kategori