engandungA TransaksiM
danB engandungA
TransaksiM A
P Confidence
B
:
X 100
Misalnya ada aturan, susu roti [support 20 , confidence 50], maka informasi yang bisa diperoleh adalah bahwa
sebanyak 20 konsumen membeli susu dan roti secara bersamaan serta konsumen yang membeli susu mempunyai
kemungkinan 50 untuk juga membeli roti. Selanjutnya informasi yang diperoleh tersebut dapat di tindak lanjuti
dengan mengatur strategi pemasaran yang strategis, semisal mengatur penempatan barang yang baru atau menentukan
produk mana yang harus diletakkan berdekatan.
2.7 Algoritma Apriori
Prinsip assosiation rules atau market basket analysis adalah menemukan frequent itemset dan membentuk aturan assosiasi
berdasarkan frequent itemset Tang Jamie, 2005. Algoritma apriori digunakan untuk mencari frequent itemset. Pengertian frequent itemset
disini adalah himpunan item-item yang memenuhi minimum support. Selanjutnya frequent itemset digunakan untuk membangun aturan
assosiasi. Untuk membentuk kandidat itemset digunakan dua tahap yaitu
:
Join Step : Ck dibangun dengan menggabungkan Lk-1 dengan
dirinya. Prune Step
: Setiap k-1-itemset yang bukan frequent tidak boleh menjadi suatu subset dari suatu frequent k-itemset.
Berikut adalah pseudocode dari algoritma apriori :
Ck : Kandidat itemset dari ukuran k
Lk : Frequent itemset dari ukuran k
L1 = {frequent itemset};
for k=1;Lk=0;k++ do begin Ck+1 = {kandidat dibangun dari Lk};
for each transaksi t dalam database do naikkan hitungan dari seluruh
kandidat dalam Ck+1 yang dimuat dalam t;
Lk+1 = {kandidat dalam Ck+1 dengan minimum support}; end
return
Uk Lk;
Untuk lebih jelasnya, perhatikan gambar 2.3 mengenai contoh
ilustrasi algoritma apriori.
Database D
TID Item
s 100
A, C, D 200
B, C, E 300
A, B, C, E 400
B, E Item
set Support
A 2
B 3
C 3
D 1
E 3
Item set
Support A
2 B
3 C
3 E
3 Item
set {A,B}
{A,C} {A,E}
{B,C} {B,E}
{C,E} Item
set Support
{A,B} 1
{A,C} 2
{A,E} 1
{B,C} 2
{B,E} 3
{C,E} 2
Item set
Support {A,C}
2 {B,C}
2 {B,E}
3 {C,E}
2 Item
set Support
{B,C,E} 2
Item set
{B,C,E}
Scan D
L
1
Scan D C
2
C
2
L
2
C
3
C
3
L
3
C
1