13
Rules diatas menunjukkan hubungan yang kuat antara Karyawan BUMN dan Pekerjaan tetap karena Karyawan BUMN kemungkinan sebagai pekerjaan tetapnya.
Dengan demikian,pihak adira multi finance dapat menggunakan cara ini sebagai bantuan untuk mengidentifikasi peluang baru untuk menerima pengajuan kredit .
Selain data pemberian kredit diatas, analisis asosiasi juga dapat diterapkan pada domain masalah lainnya seperti data transaksi belanja, bioinformatika, diagnosis
medis, Web Mining, dan analisis data scientifik. Isu penting dalam analisis asosiasi adalah bagaimana cara menemukan pola tertentu dari data yang berjumlah sangat
besar,yang membuat biaya komputasi menjadi sangat mahal Eko Prasetyo,2012.
2.1.5 Itemset dan Support Count
Itemset adalah kumpulan dari satu atau lebih item. Misalkan I= { i1,i2, …., id}
merupakan himpunan semua item dalam data transaksi belanja dan T = { t1,t2, ….,
tN} merupakan himpunan semua transaksi. Setiap transaksi ti mengandung subset item yang dipilih dari I. Dalam analisis asosiasi, koleksi nol atau lebih item disebut
itemset. Jika itemset berisi k item, maka disebut k-itemset. Sebagai contoh
{Beras,Telur,Minyak} dikatakan sebagai 3-itemset. Set null atau kosong adalah itemset yang tidak berisi item.
Support Count
σ adalah frekuensi kemunculan setiap itemset. Jika suatu transaksi terdiri dari itemset X, maka secara matematik
support count σX dinyatakan sebagai berikut :
σX =|{t
i
| X ⊆ t
i
, t
i
∈T}|……………………………………………………2.1 Dimana :
σX = support count atau frekuensi kemunculan itemset X X
= itemset atau kumpulan dari beberapa item t
i
= transaksi yang mengandung itemset X | |
= jumah elemen dalam satu set. Tan P.N, 2006:329
14
2.1.6 Algoritma Apriori
Algoritma Apriori merupakan algoritma untuk menemukan frequent itemset. Algoritma Apriori merupakan algoritma yang paling banyak digunakan untuk
menemukan frequent itemset dan aturan asosiasi. Konsep utama dari algoritma Apriori adalah sebagai berikut:
1. Setiap subset dari frequent itemset adalah frequent itemset. 2. Himpunan itemset dengan panjang k disebut Ck
3. Himpunan itemset yang memenuhi batasan minimum support disebut sebagai Lk , Lk adalah kandidat himpunan yang digunakan untuk tahap selanjutnya.
4. Ck+1 dibangkitkan dengan menggabungkan Lk dan dirinya sendiri. Itemset-itemset yang memenuhi kriteria masing-masing memiliki lebih satu elemen dari itemset
sebelumnya. Lk kemudian dihasilkan dengan menghilangkan dari elemen-elemen yang tidak
memenuhi aturan minimum support. Sebab, kandidat sequence yang dibangkitkan dimulai dengan ukuran sequence terkecil dan secara bertahap ukuran sequence
meningkat yang disebut dengan pendekatan breadth first search.R.Kartika,2013
2.1.7 Pendekatan Association Rule Algoritma CBA Classification Based
