digunakan untuk analisa data menggunakan teknik penambangan data sedangkan OLAP adalah basisdata yang khusus digunakan untuk menunjang proses
pengambilan keputusan decision making. Teknologi yang ada di gudang data dan OLAP dimanfaatkan penuh untuk melakukan penambangan data.
Gambar 2.4 Data Mining dan teknologi basisdata lainnya
2.3 Metode Analisis Asosiasi
Salah satu metode dalam penambangan data adalah metode analisis asosiasi association analysis. Metode analisis asosiasi merupakan metode
yang bertujuan untuk menemukan aturan association rule antar item dalam suatu himpunan data dataset, yaitu dengan membuat korelasi antar item
yang dikelompokan ke dalam transaksi kemudian mengambil kesimpulan berdasarkan hubungan yang terbentuk dari sekumpulan data tersebut.
Kumpulan item data ini sering disebut itemset. Penting tidaknya suatu aturan asosiasi dapat diketahui dengan 2 parameter
yaitu support dan confidence. Support adalah persentase kombinasi item dalam basisdata sedangkan confidence adalah kuatnya hubungan antar item
dalam aturan asosiasi [12]. Pencarian aturan asosiasi dengan menggunakan
analisis asosiasi bertujuan untuk menemukan semua aturan yang terdapat pada basisdata dengan minsup minimum support dan mincof minimum
confidence yang melebihi batas tertentu. Suatu aturan asosiasi dirasa valid
apabila mempunyai nilai confidence nilai kepas tian ≥ 50 Lopez-Cozar,
2000. Support
dari aturan adalah rasio dari record yang mengandung
dengan total record dalam basisdata. Untuk mendapatkan nilai support dapat menggunakan rumus :
................................................2.1 Sedangkan Minsup minimum support menandakan ambang batas
threshold yang menentukan apakah sebuah itemset akan digunakan pada perhitungan selanjutnya untuk pencarian aturan asosiasi.
Confidence dari aturan asosiasi
adalah rasio dari record yang mengandung
dengan total record yang mengandung . Untuk
mendapatkan nilai confidence dapat menggunakan rumus : ............................................2.2
Atau dapat ditulis sebagai berikut: ...........................2.3.
Sedangkan Minconf minimum confidence menandakan ambang batas threshold dari sebuah aturan asosiasi untuk menemukan aturan asosiasi yang
kuat strong association rule.
Misalnya terdapat himpunan data transaksi D sebagai berikut [13]:
Tabel 2.2 Contoh Tabel Transaksi D TID
Itemset
1 Bread, Milk
2 Bread, Diaper, beer, Eggs
3 Milk, Diaper, Beer, Coke
4 Bread, Milk, Diaper, Coke
5 Bread, Milk, Diaper, Coke
Misalkan akan dihasilkan rule : {Milk, Diaper} →Beer
Maka support menjadi
Confidence menjadi
Secara umum yang dilakukan dalam proses pencarian aturan asosiasi ini dapat dibagi menjadi 2 tahapan, yang terdiri dari :
o Pencarian frequent itemset Yaitu proses pencarian semua itemset yang memiliki nilai
support ≥ minsup. Itemset
ini disebut frequent itemset atau large itemset l- itemset
. Dalam tugas akhir ini proses pencarian frequent itemset menggunakan algoritma apriori.
o Pembentukan strong association rule Yaitu proses mendapatkan aturan asosiasi yang kuat strong
association rule dari kombinasi frequent itemset yang membentuk
aturan asosiasi yang memiliki nilai confidence minconf
. Aturan asosiasi dapat ditemukan dari setiap frequent itemset.
2.4 Algoritma Apriori