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
Pada tahapan ini akan dilakukan analisis asosiasi dengan algoritma ct-pro dengan perancangan flowchart ct-pro dapat dilihat pada Gambar 3.3. Dari flowchart tersebut
dapat diuraikan lebih jelas proses asosiasi dari algoritma ct-pro, dimana terlebih dahulu ditentukan nilai minimum support dan nilai minimum confidence. Kemudian
dari data tabel 3.1 data kegiatan ekspor akan dihitung frekuensi komoditas dan frekuensi negara. Apabila frekuensi kemunculan setiap item lebih besar dari nilai
minimum yang ditentukan maka data tersebut termasuk sebagai frequent global, berikut ini merupakan penjelasan lebih lanjut dari flowchart ct-pro.
Universitas Sumatera Utara
Min support dan Min Confidence
Tampil tabel eksporimpor
Proses menghitung frequent komoditas dan negara dalam
eksporimpor
If komoditasnegara = min support
Tampil data frequent
global
Proses menentukan frequent itemlocal frequent item
Tampil tabel frequent item
Proses mencari kombinasi frequent pattern
If frequent pattern kombinasi = 1
P1 P1
Tampil kombinasi
Proses mencari confidence
If confidence = min confidence
Tampil hasil confidence
Aturan asosiasi
End Y
T
Y T
Y T
Start
Gambar 3.3 Flowchart CT-Pro
Universitas Sumatera Utara
1. Menentukan frequent itemset
Untuk menentukan frequent itemset, terlebih dahulu dilakukan penelusuran data ekspor pada Tabel 3.1 dengan menghitung nilai support masing-masing item.. Hasil
dari penelusuran tersebut, maka akan diketahui jumlah frekuensi kemunculan tiap item dan diurutkan dari yang terbesar hingga terkecil yang dapat dilihat pada Tabel
3.8. Tabel 3.8 Frequent Item
Index Item
Count
1 Kopi Biji
48 2
Cina 32
3 Minyak Sawit
31 4
Pinang Biji 24
5 Malaysia
22 6
Pakistan 22
7 Amerika Serikat
21 8
Karet Lembaran 20
9 Kulit Kayu Manis
17 10
Kayu Karet 15
11 Taiwan
13 12
Karet Lempengan 9
13 Wood Flooring
8 14
Singapura 8
15 Sayuran Kubis
7 16
India 7
17 Bangladesh
7 18
Kakao Biji 5
19 Sapu Lidi
5 20
Jerman 5
21 Thailand
5 22
Siria 5
23 Algeria
5
Universitas Sumatera Utara
Tabel 3.8 Frequent Item Lanjutan
Index Item
Count
24 Kayu Manis
3 25
Jepang 3
26 Kanada
3 27
Korea Selatan 3
28 Republik Dominika
3 29
Australia 3
30 Belanda
3 31
Sierra Leone 3
32 Afrika Selatan
3 33
Ubi Jalar 2
34 Kelapa Parut
2 35
Damar Batu 2
36 Rusia
2 37
Sri Lanka 2
38 Inggris
2 39
Vietnam 2
40 Brasil
2 41
Haiti 2
42 Meksiko
2 43
Turki 2
44 Gambir
1 45
Getah Pinus 1
46 Polandia
1 47
Argentina 1
48 Portugal
1 49
Yaman 1
50 Irlandia
1 51
Swedia 1
52 Perancis
1
Universitas Sumatera Utara
Kemudian data diatas diseleksi kembali yang memenuhi dengan nilai minimum support
≥ 5, dan hasilnya dapat terlihat pada Tabel 3.9.
Tabel 3.9 Frequent List
Index Item
Count
1 Kopi Biji
48 2
Cina 32
3 Minyak Sawit
31 4
Pinang Biji 24
5 Malaysia
22 6
Pakistan 22
7 Amerika Serikat
21 8
Karet Lembaran 20
9 Kulit Kayu Manis
17 10
Kayu Karet 15
11 Taiwan
13
Langkah selanjutnya adalah mengurutkan itemset pada setiap tanggal kegiatan ekspor berdasarkan frekuensi paling tinggi seperti yang terlihat pada Tabel 3.10.
Tabel 3.10 Data Ekspor berdasarkan frequent list
TGL_Ekspor
Item
02012013 Kopi Biji, Cina, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet
Lembaran, Kulit Kayu Manis, Kayu Karet 03012013
Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Pakistan, Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Taiwan
04012013 Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat,
Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan 07012013
Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet Lembaran, Kayu Karet, Taiwan
08012013 Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat,
Karet Lembaran, Kayu Karet, Taiwan 09012013
Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Taiwan
Universitas Sumatera Utara
Tabel 3.10 Data Ekspor berdasarkan frequent list Lanjutan
TGL_Ekspor
Item
10012013 Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan, Amerika Serikat,
Karet Lembaran, Kulit Kayu Manis, Taiwan 11012013
Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan
14012013 Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat,
Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan 15012013
Kopi Biji, Cina, Minyak Sawit, Pinang Biji, Malaysia, Pakistan Amerika Serikat, Karet Lembaran, Kulit Kayu Manis, Kayu Karet, Taiwan
2. Membentuk struktur data CFP Tree
Dari data ekspor yang berdasarkan frequent list pada Tabel 3.10, maka akan dibuat global item tablenya seperti pada Tabel 3.11.
Tabel 3.11 Global ItemTable
Index Item
Count
1 Kopi Biji
10 2
Cina 10
3 Pinang Biji
10 4
Pakistan 10
5 Amerika Serikat
10 6
Karet Lembaran 10
7 Minyak Sawit
9 8
Malaysia 9
9 Taiwan
9 10
Kulit Kayu Manis 8
11 Kayu Karet
7
Universitas Sumatera Utara
Langkah selanjutnya yaitu membentuk Global CFP-Tree, dapat terlihat seperti pada Gambar 3.4.
Kopi Biji[10]
Cina [10]
Minyak Sawit [9] Pinang Biji [1]
Pinang Biji [8] [1] Malaysia[1]
Malaysia[9] Pakistan[1]
Pakistan[1]
Pakistan[8] A.Serikat[1]
A.Serikat [1]
A.Serikat [8] Karet Lembaran[1] Karet Lembaran [1]
Karet Lembaran [2] [6] Kulit Kayu Manis[1] Kulit Kayu Manis [1]
Kayu Karet[2] Kulit Kayu Manis [6] [2]
Taiwan [1] Kayu Karet [1]
Taiwan[2] Kayu Karet [4] Taiwan [2]
Taiwan [4]
Gambar 3.4 Global CFP-Tree
3. Melakukan proses mining
Dalam proses mining Global Item Tabel yang ada diurutkan berdasarkan dari item frekuensi yang terkecil hingga terbesar. Pada tahapan ini, penulis mengambil contoh
dari data Pakistan yang merupakan data terkecil ke delapan berdasarkan Global Item
Universitas Sumatera Utara
Tabel. Langkah yang dilakukan yaitu dilakukan pencarian node yang berkaitan dengan Pakistan pada Global CFP-Tree yang kemudian disebut Local Frequent Item
dan digunakan untuk membuat Local Item Tabel. Setelah itu dibuat Local CFP-Tree berdasarkan Local Item Tabel seperti yang terlihat pada Gambar 3.5.
Index Item
Count 4
Pakistan 10
Gambar 3.5 Local CFP-Tree
Maka dari Local CFP-Tree di atas maka dapat diperoleh frequent pattern Pakistan yaitu :
- Pakistan
- Malaysia-Pakistan, Pinang Biji-Pakistan
- Pinang Biji-Malaysia-Pakistan, Minyak Sawit-Pinang Biji-Pakistan
- Minyak Sawit-Pinang Biji-Malaysia-Pakistan, Cina-Minyak Sawit-Pinang
Biji-Pakistan, Cina-Pinang Biji-Malaysia-Pakistan -
Kopi Biji-Minyak Sawit-Pinang Biji-Malaysia-Pakistan, Kopi Biji-Cina- Minyak Sawit-Pinang Biji-Pakistan, Kopi Biji-Cina-Pinang Biji-Malaysia-
Pakistan Berdasarkan frequent pattern tersebut di atas, maka dapat dihitung nilai confidence
dengan minimal confidence ≥ 35. Karena perhitungannya sangat banyak, maka
8 Malaysia 9 3 Pinang Bij 1
8 Malaysia 1 3 Pinang Biji 8
7 Minyak Sawit 9 3 Pinang Biji 1
2 Cina 10
1 Kopi Biji 10
Local Item Tabel
Global Item Tabel
Universitas Sumatera Utara
penulis mengambil contoh dari frequent itemset {Pinang Biji-Malaysia-Pakistan} untuk dicari kombinasinya seperti yang terlihat pada Gambar 3.6 dan dihitung nilai
confidencenya.
Gambar 3.6 Proses Pencarian Kombinasi
Dari proses kombinasi tersebut, diperoleh pola sebagai berikut dengan perhitungan confidence sebagai berikut :
- Pinang Biji
→ Malaysia : 024 x 100 = ~ -
Malaysia → Pinang Biji : 022 x 100 = ~
- Pinang Biji
→ Pakistan : 1724 x 100 = 70,83 -
Pakistan → Pinang Biji : 022 x 100 = ~
- Malaysia
→ Pakistan : 022 x 100 = ~ -
Pakistan → Malaysia : 022 x 100 = ~
Untuk pola kombinasi 3 tidak penulis hitung karena dari data kegiatan ekspor tidak terdapat kombinasi 3.
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 Pinang Biji maka negara tujuannya Pakistan dengan nilai
confidence 70,83
Pinang Biji PB Malaysia M PakistanP PB,M PB,P M,P
PB,M,P
Universitas Sumatera Utara
3.3 Perancangan Sistem
