Penerapan data mining dengan algoritma apriori untuk informasi saran kueri barang : studi kasus : situs ``Inkuiri.com``.

(1)

Penerapan Data Mining Dengan Algoritma Apriori Untuk

Informasi Saran Kueri Barang

(Studi Kasus :

Situs “

Inkuiri.com

”

)

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh :

Dimas Dewa Wicaksono 115314085

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(2)

Penerapan Data Mining Dengan Algoritma Apriori Untuk Informasi Saran Kueri Barang

(Studi Kasus : Situs “Inkuiri.com”) ABSTRAK

Dalam data history sebuah situs pencarian “Inkuiri.com” atau data rekaman pengunjung ternyata memiliki data clickstream yang cukup banyak jenisnya, sebagai contoh : data id pengunjung, ip address pengunjung, profile pengunjung, data kueri barang, data jumlah berkunjung pada sebuah ip address dan lain sebagainya. Berdasarkan pada jenis artikel di atas ternyata dapat digali informasi dari data kunjungan yang dapat dimanfaatkan. Salah satunya dapat diolah dengan proses menggunakan algoritma apriori dengan teknik accociation rule mining untuk menganalisa data history situs “Inkuiri.com”. Accociation rule mining adalah teknik mengolah data untuk menemukan aturan suatu kombinasi item.

Tahap pertama dalam perhitungan algoritma Apriori untuk menemukan association rules yaitu menuliskan data kunjungan kueri, dimana data yang diproses merupakan data kunjungan kueri selama 55 menit. Dilanjutkan dengan merubah data dari format .json menjadi format csv, agar dapat merubah dan menyaring data sesuai yang dibutuhkan yaitu data kueri kunjungan, ip address, dan jumlah mengunjungi. Selanjutnya membuat tabel 1 itemset untuk melakukan perhitungan jumlah kunjungan pada masing-masing barang. Kemudian membuat kombinasi 2 itemset pada setiap kueri dan frekuensi masing-masing kombinasi dihitung sesuai dengan data pada tabel. Setelah itu menganalisa tabel pada kombinasi 2 itemset. Langkah berikutnya dengan membuat kombinasi 3 itemset yang sesuai dengan susunan kombinasi yang baru. Ditentukan nilai minimum support sebesar 0.6 pada data training dengan nilai minimum confidence sebesar 0,7 kemudian jumlah pola berdasarkan nilai confidencenya. Didapatkan pola asosiasi yang berbeda dari data training dengan nilai support dan confidence yang berbeda pula. Dari pola asosiasi yang didapat per minimum support kemudian diujikan langsung pada data testing selama 185 menit.

(3)

Application of Data Mining With Apriori Algorithm For

Item Information Query Suggestions

Case Study : Sites " Inkuiri.com "

ABSTRACT

In the history data of a search site " Inkuiri.com " or recording the data of visitors turned out to have quite a lot of clickstream data type, for example : the data id visitors , ip address of visitors , visitor profile , query data items , data on the number visiting on an ip address and others. Based on the type of the above article it can be extracted information from the traffic data that can be utilized . One of them can be processed by using a priori algorithm with accociation rule mining techniques to analyze the data history site " Inkuiri.com " . Accociation rule mining is a technique to process the data to find the rules of a combination of items .

The first stage in the calculation of Apriori algorithm to discover association rules that write the traffic data query, wherein the processed data is the data query traffic for 55 minutes. Followed by changing the data format .json into csv format, in order to modify and refine the data as needed ie query data traffic, IP address, and the number of visiting. Next create table 1 itemset to perform calculations on the number of visits each item. Then make a combination of two itemsets in every query and frequency of each combination is calculated in accordance with the data in the table. After analyzing the tables on the combination of two itemsets. The next step to create a combination of 3 itemset accordance with the composition of the new combination. Specified minimum support value of 0.6 on training data with confidence minimum value of 0.7 and then the number of patterns based on the value confidencenya. Obtained a different pattern of association of the training data with the support and confidence values are different. From the pattern of association obtained a minimum support then tested directly on the data of testing for 185 minutes.

(4)

Penerapan Data Mining Dengan Algoritma Apriori Untuk

Informasi Saran Kueri Barang

(Studi Kasus :

Situs “

Inkuiri.com

”

)

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh :

Dimas Dewa Wicaksono 115314085

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(5)

Application of Data Mining With Apriori Algorithm For Item

Information Query Suggestions

(Case Study : Sites " Inkuiri.com")

A Final Project

Presented as Partial Fulfillment of The Requirements To Obtain Sarjana Komputer Degree

In Informatics Engineering Study Program

By :

Dimas Dewa Wicaksono 115314085

INFORMATICS ENGINEERING STUDY PROGRAM DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY

YOGYAKARTA 2015

(6)

iii

HALAMAN PERSETUJUAN

SKRIPSI

Penerapan Data Mining Dengan Algoritma Apriori Untuk Informasi Saran Kueri Barang

(Studi Kasus : Situs “Inkuiri.com”)

Disusun Oleh : Dimas Dewa Wicaksono

115314085

Telah Disetujui Oleh :

Dosen Pembimbing

(7)

HALAMAN PENGESAHAN

SKRIPSI

Penerapan Data Mining Dengan Algoritma Apriori Untuk Informasi Saran Kueri Barang

(Studi Kasus : Situs “Inkuiri.com”) Dipersiapkan dan Disusun Oleh :

Dimas Dewa Wicaksono 115314085

Telah dipertahankan didepan Panitia Penguji Pada Tanggal 19 April 2016

Dan dinyatakan memenuhi syarat Susunan Panitia Penguji :

Nama Lengkap Tanda Tangan

Ketua Paulina Heruningsih Prima Rosa M.Sc. ... Sekretaris Alb. Agung Hadhiatma , S.T., M.T. ...

Anggota Sri Hartati Wijono, S.Si., M.Kom. ...

Yogyakarta, Mei 2016 Fakultas Sains dan Teknologi

Universitas Sanata Dharma

(8)

Sudi Mungkasi, S.Si.,M.Math.Sc.,Ph.D.

HALAMAN PERSEMBAHAN

Tugas akhir ini saya persembahkan untuk: Allah SWT

Orang tua tercinta atas doa, semangat, dan dukungan yang selalu diberikan

Pristian Putik tercinta yang selalu setia menemani dan mendukung dalam penyelesaian TA

Romo Poldo yang telah membantu dalam penyelesaian TA Audris Evan Utomo yang telah membantu dalam penyelesaian TA Teman – teman yang selalu setia menemani dengan menghadirkan

(9)

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya dari orang lain, kecuali yang telah disesbutkan dalam kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah.

Yogyakarta, 17 Mei 2016 Penulis

(10)

vii

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma:

Nama : Dimas Dewa Wicaksono

Nomor Mahasiswa : 115314085

Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul:

Penerapan Data Mining Dengan Algoritma Apriori Untuk Informasi Saran Kueri Barang

(Studi Kasus : Situs “Inkuiri.com”)

Beserta perangkat yang diperlukan. Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya. Dibuat di Yogyakarta

Pada tanggal : 17 Mei 2016 Yang menyatakan

(11)

viii

Penerapan Data Mining Dengan Algoritma Apriori Untuk Informasi Saran Kueri Barang

(Studi Kasus : Situs “Inkuiri.com”) ABSTRAK

(12)

Application of Data Mining With Apriori Algorithm For

Item Information Query Suggestions

Case Study : Sites " Inkuiri.com "

ABSTRACT

(13)

KATA PENGANTAR

Puji dan syukur penulis panjatkan atas kehadirat Tuhan Yang Maha Esa atas berkat, rahmat serta kasih-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul

“Penerapan Data Mining Dengan Algoritma Apriori Untuk Informasi Saran Kueri Barang (Studi Kasus : Situs “Inkuiri.com”)”.

Penulisan skripsi ini bertujuan untuk memenuhi syarat untuk memperoleh gelar sarjana komputer program studi S1 jurusan Teknik Informatika Universitas Sanata Dharma. Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna, oleh sebab itu penulis mengharapkan kritik dan saran yang bersifat membangun dari semua pihak demi kesempurnaan skripsi ini.

Skripsi ini tidak lepas dari peran penting berbagai pihak, sehingga pada kesempatan ini penulis dengan segala kerendahan hati serta rasa hormat mengucapkan terimakasih yang sebesar-besarnya kepada semua pihak yang telah memberikan dukungan baik secara langsung maupun tidak langsung kepada penulis dalam penyusunan skripsi ini hingga selesai. Pada proses penulisan tugas akhir ini saya ucapkan terima kasih kepada:

1. Allah SWT selaku pembimbing iman dalam hidup yang selalu

memberi solusi diatas segala solusi.

2. Ibu Sri Hartati Wijono, S.Si., M.Kom. selaku pembimbing yang memberikan pengarahan serta solusi dalam pengerjaan skripsi ini hingga selesai.

3. Kedua Orang tua, Bapak An Haryanto dan Ibu Endarti yang selalu memberikan dukungan, rela berkorban, mendoakan, menyayangi dan memberikan motivasi kepada penulis.

(14)

4. Pristian Putik Alwena yang selalu setia menemani, mendukung,

membantu dan memarahi ketika penulis mengalami kemalasan dalam mengerjakan tugas akhir

5. Romo Poldo Andreas Situmorang dan Audris Evan Utomo yang

senantiasa tulus meluangkan waktunya untuk konsultasi mengenai penelitian ini.

6. Seluruh civitas akademika Teknik Informatika angkatan 2011,

terutama anggota C++ yang telah berjuang bersama dan saling memberi semangat dan inspirasi.

7. Semua pihak, baik langsung maupun tidak langsung yang telah

membantu dalam proses penyelesaian skripsi.

Penulis menyadari masih banyak kekurangan dalam penyusunan skripsi ini, namun penulis tetap berharap skripsi ini bermanfaat bagi pengembangan ilmu pengetahuan.

Yogyakarta, 17 Mei 2016 Penulis

(15)

xii

DAFTAR ISI

HALAMAN JUDUL...i

HALAMAN JUDUL...ii

HALAMAN PERSETUJUAN ... iii

HALAMAN PENGESAHAN ... iv

HALAMAN PERSEMBAHAN ... v

PERNYATAAN KEASLIAN KARYA ... vi

LEMBAR PERNYATAAN PERSETUJUAN ... vii

KATA PENGANTAR ... x

DAFTAR ISI ... xii

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 3

1.3 Tujuan Penelitian ... 3

1.4 Manfaat Penelitian ... 3

1.5 Batasan Masalah ... 4

1.6 Metodologi Penelitian ... 4

1.7 Sistematika Penulisan ... 5

BAB 2 LANDASAN TEORI ... 7

2.1 Data Mining ... 7

2.2 Jenis-jenis Data Mining Menurut Fungsinya ... 9

2.3 Algoritma Apriori ... 9

2.4 Lift Ratio ... 12

BAB 3 PERANCANGAN PERHITUNGAN ... 13

3.1 Analisis Masalah ... 13

3.2 Gambaran Umum Perhitungan ... 13

3.3 Blok Diagram ... 15

3.4 Penerapan Algoritma Apriori ... 16

3.4.1 Preproses ... 16

3.4.2 Membuat Penyaring kata ... 19

(16)

xiii

3.4.4 Menghitung Kandidat 1 itemset ... 22

3.4.5 Menghitung Kandidat 2 Itemset... 22

3.4.6 Menghitung Kandidat 3 Itemset... 24

3.5 Analisis Pengujian ... 25

BAB 4 IMPLEMENTASI PERHITUNGAN ... 26

4.1 Implementasi Percobaan Data Kueri Barang ... 26

4.1.1 Implementasi Percobaan Data Training dengan Minimum Support 0,6 ... 26

4.1.1.1 Membuat Representasi Biner ... 27

4.1.1.2 Menghitung Kandidat 1 Itemset... 29

4.1.1.3 Menghitung Kandidat 2 Itemset... 29

4.1.1.4 Menghitung Kandidat 3 Itemset... 31

4.1.1.5 Hasil Pola Asosiasi ... 33

4.1.2 Hasil Perhitungan Lift Ratio ... 34

4.1.3 Proses Pencocokan Pola ... 34

4.1.3.1 Pola Asosiasi ... 34

4.1.3.2 Data testing ... 34

4.1.3.3 Pengecekan Pola Asosiasi ... 35

4.1.3.4 Perhitungan Jumlah Kecocokan Pola ... 36

BAB 5 ANALISIS HASIL DAN PEMBAHASAN ... 38

5.1 Hasil Percobaan ... 38

5.2 Hasil Pengujian ... 39

5.3 Hasil Validitas Lift Ratio ... 41

BAB 6 KESIMPULAN DAN SARAN ... 43

6.1 Kesimpulan ... 43

6.2 Saran ... 44

Daftar Pustaka ... 45

LAMPIRAN 1 ... 46

LAMPIRAN 2 ... 63

(17)

xiv

DAFTAR GAMBAR

Gambar 3.1 Blok Diagram ... 15 Gambar 3.2 Data Awal Setelah di Convert ... 16 Gambar 3.3 Seleksi Data ... 17

(18)

DAFTAR TABEL

Tabel 3.1 Data Kueri Barang ... 18

Tabel 3.2 Penyaring Kata ... 19

Tabel 3.3 Pencocokan Data Kueri Barang ... 19

Tabel 3.4 Hasil Data dengan Kamus Kata ... 20

Tabel 3.5 Membuat Representasi Biner ... 21

Tabel 3.6 Kandidat 1 itemset ... 22

Tabel 3.7 Kandidat 2 itemset ... 23

Tabel 3.8 Kandidat 3 itemset ... 24

Tabel 3.9 Hasil Pola Asosiasi ... 24

Tabel 3.10 Rule ... 25

Tabel 4.1 Data Asli Kueri Barang... 27

Tabel 4.3 Menghitung Kandidat 1 itemset ... 29

Tabel 4.4.1 Menyeleksi Kandidat 2 itemset ... 30

Tabel 4.4.2 Menghitung Kandidat 2 itemset ... 30

Tabel 4.5 Menghitung Kandidat 3 itemset ... 32

Tabel 4.6 Hasil Pola Asosiasi ... 33

(19)

BAB 1

PENDAHULUAN

1.1Latar Belakang

Seiring dengan perkembangan zaman dan meningkatnya kemajuan dibidang teknologi, internet mungkin sudah tidak asing lagi bagi sebagian besar orang di dunia. Sekarang internet sudah dapat diakses dimanapun tempat dan dengan siapa saja penggunanya. Dengan adanya akses internet yang mudah, sekarang istilah jual-beli online melalui situs pencarian sudah menjadi cara baru menjual atau membeli barang seperti olx, berniaga, bukalapak, dan forum kaskus. Hal ini membantu bagi user yang ingin menjual atau membeli barang tanpa harus membuang buang waktu untuk melakukan pencarian dan menawarkan barang yang ingin dibeli atau dijual.

Dari banyaknya situs jual beli online di internet, situs “Inkuiri.com” memiliki sistem yang berbeda yaitu mencari barang dengan menggunakan kueri atau kata kunci barang, kemudian akan dicari di semua situs jual beli online yang ada di situs “Inkuiri.com” seperti olx, berniaga, bukalapak dan lain sebagainya. Tujuan situs “Inkuiri.com” ini dibuat untuk memudahkan user mencari barang pada satu situs pencarian namun mendapat informasi dari berbagai situs jual beli online. Setelah kata kunci dimasukkan maka akan muncul barang dari berbagai situs jual beli online berdasarkan kata kunci yang dimasukkan, kemudian dari barang yang dipilih maka akan diteruskan oleh situs “Inkuiri.com” kepada situs jual beli online yang mencantumkan iklan tersebut.

Situs “Inkuiri.com” masih banyak memerlukan perbaikan atau perkembangan sistem. Situs “Inkuiri.com” mengharapkan adanya teknologi yang

(20)

mampu menghasilkan informasi untuk sistem saran dari kueri yang dimasukkan oleh user. Di dalam situs tersebut terdapat data clickstream yang sangat beragam. Data clickstream yang dimaksud yaitu id pengguna, ip address, jumlah mengunjungi, kota, kueri, waktu berkunjung, jumlah berkunjung, tipe perangkat yang digunakan, negara, lokasi, operating system yang digunakan, dan lain sebagainya.

Salah satu cara untuk membantu situs “Inkuiri.com” yaitu dengan pemanfaatan data jumlah berkunjung, id pengguna, dan kueri pada situs “Inkuiri.com”(data mining). Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik-teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar[1]. Data mining dapat membantu situs “Inkuiri.com” untuk menganalisa pola dari data jumlah berkunjung, id pengguna, dan kueri yang tersimpan dalam basis data situs “Inkuiri.com” dan mengolah isi dari data tersebut menjadi sebuah pengetahuan yang baru (knowledge) mengenai pola asosiasi kueri barang sebagai sistem saran dari kueri yang dimasukkan oleh user. Hal ini merupakan pengetahuan yang bermanfaat bagi situs ”Inkuiri.com” dalam membantu memberikan saran dari kueri barang yang dimasukkan oleh user di situs “Inkuiri.com”.

Pada tugas akhir ini akan dilakukan penelitian menggunakan teknik association rules. Association rules memiliki bentuk LHS RHS dengan interprestasi bahwa jika setiap item dalam LHS (Left Hand Side) dibeli, maka

(21)

item dalam RHS (right Hand Side) juga dibeli. Salah satu penggunaan association rule adalah mendukung pengambilan keputusan dalam bidang pemasaran, misalnya untuk mengetahui pola pembelian pelanggan, penentuan tata letak barang dan lain-lain.

Algoritma yang digunakan yaitu algoritma apriori adalah salah satu algoritma yang melakukan pencarian frequent itemset dengan menggunakan teknik association rule. Algoritma apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk memproses informasi selanjutnya. Pada algoritma Apriori untuk menentukan kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan minimum confidence.

1.2Rumusan Masalah

Berdasar latar belakang tersebut maka dapat dirumuskan masalah sebagai berikut:

 Bagaimana menggunakan algoritma apriori untuk mengolah data

clickstream yang ada di situs”Inkuiri.com”?

1.3Tujuan Penelitian

 Untuk mengolah data clickstream dari situs “Inkuiri.com” menggunakan algoritma apriori.

(22)

 Sebagai penawaran barang yang berkaitan dengan kueri yang dimasukkan

user pertama kali

 Sebagai perhitungan yang membantu situs “Inkuiri.com” menawarkan

barang yang dijual dari beberapa market place

1.5Batasan Masalah

Adapun batasan masalahnya yaitu:

a. Data yang diolah hanya sampai data user memasukkan kueri pencarian barang, tidak sampai ke data pembelian.

b. Hanya memakai data clickstream yang dimasukkan atau jumlah user

berkunjung lebih dari satu saja.

c. Data dibatasi dengan maksimal 1000 data.

d. Belum mampu mengolah data yang sangat besar.

1.6Metodologi Penelitian

Metode Penelitian yang akan dipakai dalam penelitian ini yaitu :

1. Studi Pustaka : yaitu dengan mencari-cari referensi yang

mendukung dengan judul penelitian untuk memahami penerapan data mining untuk keperluan bisnis.

2. Studi lapangan : yaitu dengan datang langsung ke Perusahaan “Guna Bangsa” untuk mendapatkan data transaksi kueri, sebagai bahan data penelitian yang akan diolah. Data yang digunakan

(23)

adalah data Perusahaan Guna Bangsa yaitu data clickstream yang yang direkam selama 55 menit dan disimpan.

3. Proses Data Mining menggunakan algoritma apriori.

1.7Sistematika Penulisan

Untuk memberikan gambaran dan kerangka yang jelas pada gambaran tiap bab dalam penelitian ini. Maka diperlukan sistematika penulisan. Berikut ini gambaran sistematika penulisan dalam masing-masing bab :

BAB I Pendahuluan

Bab ini berisi tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah, dan sistematika penulisan.

BAB II Landasan Teori

Bab ini menjelaskan tentang landasan teori yang berhubungan dengan topik yang akan dibahas.

BAB III Perancangan Perhitungan

Bab ini berisi tentang analisis perhitungan, gambaran umum perhitungan, diagram use case, konteks diagram, blok diagram, data pengujian, dan kerangka yang dipikirkan.

BAB IV Implementasi Perhitungan

Bab ini berisi tentang implementasi perhitungan dari apa yang telah disusun atau dirancang pada bab sebelumnya.

(24)

Bab ini menjelaskan tentang analisa dan hasil dari implementasi perhitungan manual yaitu hasil dari perhitungan manual.

BAB VI Kesimpulan dan Saran

Bab ini berisi tentang kesimpulan dari hasil akhir pola asosiasi dan saran tentang pengembangan dalam sistem.

(25)

BAB 2

LANDASAN TEORI

2.1Data Mining

Data mining adalah proses menganalisa data dari perspektif yang berbeda dan menyimpulkannya menjadi informasi-informasi penting yang dapat dipakai untuk meningkatkan keuntungan, memperkecil biaya pengeluaran, atau bahkan keduanya. Secara teknis, data mining dapat disebut sebagai proses untuk menemukan korelasi atau pola dari ratusan atau ribuan field dari sebuah relasional database yang besar. [2] Kemampuan Data mining untuk mencari informasi bisnis yang berharga dari basis data yang sangat besar, dapat dianalogikan dengan penambangan logam mulia dari lahan sumbernya, teknologi ini dipakai untuk [2] : 1. Prediksi trend dan sifat-sifat bisnis, dimana data mining mengotomatisasi proses pencarian informasi di dalam basis data yang besar.

2. Penemuan pola-pola yang tidak diketahui sebelumnya, dimana data mining “menyapu” basis data, kemudian mengidentifikasi pola-pola yang sebelumnya tersembunyi dalam satu sapuan.

Data mining adalah sebuah langkah dalam proses mencari pola-pola yang terdapat dalam setiap informasi. Langkah-langkah tersebut akan dijelaskan pada gambar 2.1 [3].

(26)

Gambar 2.1 Tahap penemuan Knowledge Data Discovery (KDD)

Gambar 2.1 menggambarkan proses KDD dalam menghasilkan knowledge dan terdiri dari beberapa tahap [3]:

a) Data Cleaning

Untuk menghapus data yang tidak dipakai dan data yang tidak konsisten.

b) Data Integration

Berbagai sumber data dapat digabungkan. c) Data Selection

Data yang bersangkutan pada tugas analisis diseleksi dan diambil kembali. dari database.

d) Data Transformation

Data diubah atau diperkuat menjadi bentuk yang seharusnya untuk diolah dengan menganalisis ringkasan atau jumlah total agregasi.

(27)

9 e) Data Mining

Sebuah proses penting di mana metode intelijen diterapkan dengan tujuan untuk mengolah pola-pola data.

f) Pattern Evaluation

Untuk mengidentifikasi pola-pola menarik yang

menjelaskan mengenai ukuran dasar pengetahuan yang ada. g) Knowledge Presentation

Visualisasi dan teknik representasi knowledge digunakan untuk menyajikan knowledge yang telah diolah untuk pengguna.

2.2Jenis-jenis Data Mining Menurut Fungsinya

Data mining dibagi menjadi beberapa jenis menurut dari fungsinya, yaitu: [4] a.Konsep atau kelas description

b.Association Analysis c.Klasifikasi dan Prediksi d. Cluster Analysis e.Outlier Analysis f.Evaluation Analysis.

2.3Algoritma Apriori

Algoritma Apriori adalah salah satu algoritma yang melakukan pencarian frequent itemset dengan menggunakan teknik association rule [5]. Algoritma Apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk memproses informasi selanjutnya. Pada algoritma Apriori menentukan kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan minimum confidence.

(28)

a. Minimum support: parameter yang digunakan sebagai batasan frekuensi kejadian atau support count yang harus dipenuhi suatu kelompok data untuk dapat dijadikan aturan. Dimana nilai minimum support count diperoleh dari [6]:

jumlah item barang dari seluruh transaksi x 100%

jumlah total transaksi

b. Minimum confidence: parameter yang mendefinisikan minimum level dari

confidence yang harus dipenuhi oleh aturan yang berkualitas.

Support adalah nilai pengunjung atau persentase kombinasi sebuah item dalam database. Rumus support adalah sebagai berikut :

Support (A) =

Support (A,B) = P(A∩B)

Support (A,B) = x 100 %

Sedangkan confidence adalah nilai kepercayaan yaitu kuatnya hubungan antar item dalam sebuah Apriori. Confidence dapat dicari setelah pola frekuensi munculnya sebuah item ditemukan. Berikut rumus confidence :

Confidence = P(B|A) = x 100 % ∑ Transaksi Mengandung A dan B

jumlah Transaksi Mengandung A

Total Transaksi

∑ Transaksi Mengandung A dan B

∑ Total Transaksi

(29)

secara garis besar cara kerja algoritma apriori adalah:

1. Pembentukan kandidat itemset, kandidat k-itemset dibentuk dari kombinasi (k-1)-itemset yang didapat dari iterasi sebelumnya. Satu ciri dari algoritma apriori adalah adanya pemangkasan kandidat k-itemset yang subset-nya yang berisi k-1 item tidak termasuk dalam pola frekuensi tinggi dengan panjang k-1.

2. Penghitungan support dari tiap kandidat k-itemset. Support dari tiap kandidat k-itemset didapat dengan men-scan database untuk menghitung jumlah transaksi yang memuat semua item di dalam kandidat k-itemset tsb. Ini adalah juga ciri dari algoritma Apriori dimana diperlukan penghitungan dengan scan seluruh database sebanyak k-itemset terpanjang.

3. Tetapkan pola frekuensi tinggi. Pola frekuensi tinggi yang memuat k item atau k-itemset ditetapkan dari kandidat k-itemset yang support-nya lebih besar dari minimum support.

4. Bila tidak didapat pola frekuensi tinggi baru maka seluruh proses dihentikan. Bila tidak, maka k ditambah satu dan kembali ke bagian 1.

a. Kelebihan dari algoritma apriori ini adalah lebih sederhana dan dapat menangani data yang besar. Sedangkan algoritma lainnya memiliki kelemahan dalam penggunaan memori saat jumlah data besar, tentunya berpengaruh terhadap banyaknya item yang diproses serta mudah di pahami struktur kerja dan implementasinya.

(30)

b. Apriori memiliki kelemahan karena harus melakukan scan database setiap kali iterasi, sehingga waktu yang diperlukan bertambah dengan makin banyak iterasi.

2.4Lift Ratio

Lift Ratio adalah parameter penting selain support dan confidence dalam association rule. Lift Ratio mengukur seberapa penting rule yang telah terbentuk berdasarkan nilai support dan confidence, Lift Ratio merupakan nilai yang menunjukkan kevalidan proses transaksi dan memberikan informasi apakah benar produk A dibeli bersamaan dengan produk B.

Lift Ratio dapat dihitung dengan rumus [3]:

Lift Ratio =

Sebuah transaksi dikatakan valid jika mempunyai nilai lift lebih dari 1, yang berarti bahwa dalam transaksi tersebut, produk A dan B benar – benar dibeli secara bersamaan.

Support (A) x Support (B) Support (A∩B)

(31)

BAB 3

PERANCANGAN PERHITUNGAN

3.1Analisis Masalah

Situs “Inkuiri.com” merupakan situs pencarian barang yang dijual dari beberapa market place. Dalam fungsi utamanya yaitu mencari barang yang dijual dari beberapa market place situs “Inkuiri.com” masih memiliki banyak kekurangan dalam memberikan pelayanan. Salah satunya adalah memberikan saran barang yang dijual terhadap user setelah melakukan kueri barang. Dilihat dari sisi pengguna yang sudah modern saat ini, yang menginginkan kemudahan dalam melakukan proses pencarian terhadap penawaran yang ada, hal ini membuka kesempatan untuk membuat perhitungan baru untuk memberi penawaran berupa saran barang yang dicari. Dan saran tersebut haruslah ada keterkaitan dengan kueri yang dimasukkan pertama kali ketika user melakukan kueri barang.

3.2Gambaran Umum Perhitungan

Gambaran umum perhitungan yang akan dibuat yaitu perhitungan dapat memberikan saran informasi barang yang sedang dijual dengan memasukkan kueri barang yang dicari, perhitungan dapat menghitung data mining dari data kueri yang sudah dimasukkan user dengan tujuan utama perhitungan yaitu menentukan pola asosiasi data barang dijual yang dicari, melihat hasil perhitungan asosiasi pencarian barang, serta dapat melihat data barang yang sedang dijual pada market place situs “Inkuiri.com”. Melihat barang yang dimaksud adalah melihat

(32)

pola barang yang dicari user sehingga dimaksudkan dapat memberi saran barang lain yang berhubungan dengan kueri yang dimasukkan pertama kali. Adapun yang terlibat dalam perhitungan ini yaitu penguji perhitungan. Penguji dapat menggunakan data kueri pencarian, melakukan perhitungan pola asosiasi kueri barang yang dicari dengan metode data mining, dan melihat hasil pola asosiasi pencarian.

(33)

15 3.3Blok Diagram

Blok diagram merupakan langkah perhitungan manual dengan algoritma apriori dapat dilihat pada gambar 3.1. dimana untuk selanjutnya akan diterapkan pada penerapan perhitungan algoritma apriori pada bab 3.6

Gambar 3.1 Blok Diagram Menghitung kandidat 3 itemset,

menentukan nilai minimum confidence, dan rule (Tabel 3.8,3.9, & 3.10)

Analisis Pengujian

(sub bab 3.8) Selesai Preproses

Data Clickstream

(Tabel 3.2)

Menentukan nilai minimum dan menghitung kandidat 2

itemset (Tabel 3.7) Menghitung

kandidat 1 itemset (Tabel 3.6) Mulai

Membuat Representasi Biner

(Tabel 3.5)

Penyaringan Kata (Tabel 3.3, 3.4) Proses Penemuan

Knowledge (Gambar 2.1)

(34)

16 3.4Penerapan Algoritma Apriori

Berikut merupakan penerapan algoritma apriori untuk pencarian Association Rules dengan 20 data clickstream situs “Inkuiri.com” dengan ketentuan nilai untuk nilai minimum support 16% dan nilai minimum confidence adalah 70%. [7]

3.4.1 Preproses

Pada tahap ini merupakan tahap awal dengan menyiapkan data clickstream, dimana data clickstream yang dimaksud yaitu visitor dan query yang diinputkan.

Data awal yang akan diproses yaitu file data bertipe (*.json) yang kemudian di convert menggunakan aplikasi online http://konklone.io/json/ untuk diubah menjadi file data bertipe (*.csv). Data yang telah diubah menjadi format csv dapat dilihat pada gambar 3.2.

(35)

Kemudian dari data yang sudah diconvert menjadi .csv tersebut hanya diambil source ip dan source query seperti pada gambar 3.3

Gambar 3.3 Seleksi Data

Setelah itu dilakukan perhitungan data dengan rumus seperti pada gambar 3.4

Gambar 3.4 Perhitungan Data

Dari data setelah dihitung tersebut dihasilkan data kunjungan keri yang nantinya digunakan sebagai data training. Dapat dilihat pada gambar 3.5.

(36)

Gambar 3.5 Contoh Data Yang Akan Digunakan

Dibawah ini terdapat data clickstream dalam waktu 30 menit dalam satu hari dan diambil 20 data, dimana pada setiap data clickstream terdapat berbagai jenis kueri. Lihat tabel 3.1.

(37)

19 3.4.2 Membuat Penyaring kata

Pada tahap ini yaitu dilanjutkan dengan membuat kamus kata, kamus kata disini yaitu berfungsi untuk menyaring kata. Berikut merupakan contoh penggunaan penyaring kata.

Kamus penyaring kata menggunakan database kata yang sudah dibuat dan disimpan ke dalam tabel seperti pada tabel 3.2.

Tabel 3.2 Penyaring Kata

No Kueri yang disimpan untuk penyaring

1 sepatu

2 batu

3 persia

4 reptile

5 keramik

6 gitar

7 keris

8 tombak

9 lensa

10 rak

Dari data kamus penyaring kata yang sudah dibuat, kemudian dicocokan satu persatu dengan data kueri barang yang diinputkan. Dapat dilihat pada tabel 3.3

Tabel 3.3 Pencocokan Data Kueri Barang

No Data Kueri barang

1 sepatu,batu,persia

2 tombak,keris

3 keris,batu,persia,keramik,kembang

4 batu,reptile,keris

5 motor,dinamo,keramik,sepatu

6 dinamo,lampu

7 persia,kembang,sisha,sepatu

8 reptile,keris,keramik

9 kembang,gitar,persia

10 sisha,motor,keramik

11 keramik,batu,sepatu,persia,kembang

(38)

13 gitar,lensa,tombak

14 rak,gitar,sepatu,kembang

15 lensa,sepatu,keris

16 sepatu,persia,motor

17 tombak,keris,kembang

18 dinamo,motor,lampu

19 gitar,keramik

20 tombak,dinamo,batu

Jika data kueri sama dengan data kamus penyaring kata maka akan ditampilkan kembali ke dalam tabel data kueri dan jika data kueri tidak ada di kamus penyaring kata maka data kueri tersebut akan dihapus dan tidak ditampilkan kembali ke dalam tabel data kueri, hasil dapat dilihat pada tabel 3.4.

Tabel 3.4 Hasil Data dengan Kamus Kata

No Data Kueri

1 2

3 kembang

5 motor,dinamo

6 dinamo,lampu

7 kembang,sisha

9 kembang

10 sisha,motor

11 kembang

12 lampu,motor,kembang

14 kembang

16 motor

17 kembang

18 dinamo,motor,lampu

(39)

21 3.4.3 Membuat Representasi Biner

Tahap ini yaitu membuat tabel untuk melakukan perhitungan jumlah pengunjung pada masing-masing kueri dengan memisahkan masing-masing kueri barang dimana setiap kueri dipisahkan dengan kolom dan menghitung jumlah kueri pada setiap kunjungan, apabila pada setiap kunjungan terdapat 1 kueri yang di masukkan maka dihitung 1 dan jika pada setiap kunjungan tidak ada kueri yang dimasukkan maka dihitung 0. Perhitungan seperti pada tabel 3.5.

(40)

22 3.4.4 Menghitung Kandidat 1 itemset

Kemudian dari perhitungan yang diperoleh pada tabel 3.5 selanjutnya dilakukan tahap untuk menghitung kandidat 1 itemset

Tabel 3.6 Kandidat 1 itemset

Menentukan nilai minimum support (�). Ditetapkan bahwa nilai minimum

support (�) = 16%, maka semua itemset yang frekuensi kemunculannya sama dengan atau lebih dari 16% disebut frequent. Dilihat dari tabel 3.6, dari jumlah perhitungan kandidat 1 itemset yang didapat tidak semua dapat memenuhi karena jumlah semua itemset frekuensi kemunculannya atau jumlah kunjungan kuerinya tidak semua lebih dari 16%. Maka untuk kombinasi 1 itemset yang memenuhi support minimal adalah pada bagian kanan dengan semua warna kuning.

3.4.5 Menghitung Kandidat 2 Itemset

Kemudian dilanjutkan dengan perhitungan kandidat 2 itemset. Pada tahap ini pada setiap kueri dan frekuensi masing-masing kombinasi dihitung sesuai dengan data pada tabel. Perhitungan masih sama dengan kandidat 1 itemset yaitu dari kombinasi 2 itemset barang dihitung jumlahnya sesuai dengan data kueri

(41)

pada Tabel 3.2. apabila dalam satu kunjungan terdapat 2 kombinasi itemset kueri yang dimasukkan maka dihitung 1 dan apabila dalam satu kunjungan tidak terdapat 2 kombinasi itemset kueri yang dmasukkan maka dihitung 0. Perhitungan seperti pada tabel 3.7.

(42)

Dari hasil kombinasi 2 itemset tersebut terdapat bagian berwarna kuning merupakan kombinasi yang memenuhi dari nilai minimum support yang telah ditentukan yaitu 16%, jadi yang frekuensi kemunculannya atau jumlah transaksi dari kombinasi 2 itemset tersebut yang jumlahnya lebih dari atau sama dengan 16% adalah yang dipakai untuk digabungkan menjadi calon 3 itemset.

3.4.6 Menghitung Kandidat 3 Itemset

Perhitungan masih sama dengan kandidat 1 itemset dan 2 itemset yaitu dari kombinasi 3 itemset barang dihitung jumlahnya sesuai dengan data kueri barang tabel 3.2. apabila dalam satu transaksi terdapat 3 kombinasi itemset yang dicari maka dihitung 1 dan apabila dalam satu transaksi tidak terdapat 3 kombinasi itemset yang dicari maka dihitung 0. Perhitungan seperti pada tabel 3.8.

Tabel 3.8 Kandidat 3 itemset

Dibawah ini merupakan hasil asosiasi yang didapat dengan nilai minimal confidence yang ditentukan adalah 70%. Lihat tabel 3.9.

(43)

Dari perhitungan tabel 3.9 hasil asosiasi diatas dengan dengan nilai minimal confidence yang ditentukan adalah 70% maka rule yang didapat pada 20 data kueri barang tersebut adalah bagian yang berwarna kuning karena menunjukan nilai confidencenya lebih dari 70% seperti tabel 3.10 dibawah ini.

Tabel 3.10 Rule

3.5 Analisis Pengujian

Data training yang direcord selama 55 menit kemudian diuji coba dengan data testing yang direcord selama 185 menit, untuk membuktikan bahwa hasil rule dari pola asosiasi kueri barang yang telah diproses dengan minimum support 0,6 dan minimum confidence 0,7 mendapatkan hasil pola kueri yang sama dengan data testing sebagai saran pencarian kueri barang.

(44)

BAB 4

IMPLEMENTASI PERHITUNGAN

Setelah melakukan tahap analisis dan perancangan perhitungan, maka tahap selanjutnya adalah mengimplementasikan hasil perancangan tersebut ke dalam sebuah perhitungan manual untuk menentukan pola kueri asosiasi antar kueri barang. Perhitungan manual dapat menghitung data transaksi barang dari file spreadsheet yang selanjutnya diolah ke dalam perhitungan yang dapat melakukan proses data mining dari data kueri barang dengan menentukan nilai min support, min confidence, jumlah pola dan pilihan sorting yang akan ditampilkan dimana terdapat dua pilihan yaitu berdasarkan nilai support dan confidence namun sebelumnya data yang berbentuk teks diubah terlebih dahulu ke dalam data biner setelah itu data baru akan diproses. Kemudian akan terbentuk hasil pola kunjungan kueri antar kueri barang yang tersimpan juga dalam bentuk file data pencarian berupa teks.

4.1Implementasi Percobaan Data Kueri Barang

Pada implementasi data kueri barang situs “Inkuiri.com” dengan

menggunakan data kueri barang selama 55 menit yang telah diproses secara manual untuk memperoleh data kueri yang dapat dilihat pada lampiran 1.

4.1.1 Implementasi Percobaan Data Training dengan Minimum Support 0,6 Implementasi percobaan data training ditentukan nilai minimum support 0,6, untuk nilai minimum confidence yang ditentukan 0,7 karena berdasarkan percobaan pada [7] ditentukan minimum support antara 0,1 sampai dengan 5

(45)

dan dari percobaan tersebut dapat dilihat bahwa hasil yang signifikan terdapat pada minimum support antara 0,1 sampai dengan 2. Berikut merupakan langkah mencari hasil pola asosiasi dengan min support 0,6. Data clickstream yang sudah di proses menjadi data training dapat dilihat pada tabel 4.1.

Tabel 4.1 Data Asli Kueri Barang

4.1.1.1 Membuat Representasi Biner

Kemudian membuat tabel untuk melakukan perhitungan jumlah pengunjung pada masing-masing kueri dengan memisahkan masing-masing kueri barang dimana setiap kueri dipisahkan dengan kolom dan menghitung jumlah kueri pada setiap kunjungan, apabila pada setiap kunjungan terdapat 1 kueri yang di masukkan maka dihitung 1 dan jika pada setiap kunjungan tidak ada kueri yang dimasukkan maka dihitung 0. Dapat dilihat pada tabel 4.2.

(46)

(47)

29 4.1.1.2 Menghitung Kandidat 1 Itemset

Kemudian dari perhitungan yang diperoleh pada tabel 4.2 selanjutnya dilakukan tahap seleksi untuk menghitung kandidat 1 itemset. Dapat dilihat pada tabel 4.3.

Tabel 4.3 Menghitung Kandidat 1 itemset

4.1.1.3 Menghitung Kandidat 2 Itemset

Menentukan nilai minimum support (�). Ditetapkan bahwa nilai minimum

support (�) = 0,6. Dari jumlah perhitungan kandidat 1 itemset yang didapat tidak semua dapat memenuhi karena jumlah semua itemset frekuensi kemunculannya atau jumlah kunjungan kuerinya tidak semua lebih dari 0,6. Dapat dilihat pada tabel 4.4.1

(48)

Tabel 4.4.1 Menyeleksi Kandidat 2 itemset

(49)

31 4.1.1.4 Menghitung Kandidat 3 Itemset

Dari hasil kombinasi 2 itemset tersebut terdapat beberapa kombinasi yang memenuhi dari nilai minimum support yang telah ditentukan yaitu 0,6 jadi yang frekuensi kemunculannya atau jumlah transaksi dari kombinasi 2 itemset tersebut yang jumlahnya lebih dari atau sama dengan 0,6 adalah yang dipakai untuk digabungkan menjadi calon 3 itemset.

(50)

Kemudian dilanjutkan dengan perhitungan kandidat 3 itemset. Pada tahap ini pada setiap kueri dan frekuensi masing-masing kombinasi dihitung sesuai dengan data pada tabel. Perhitungan seperti pada tabel 4.5.

(51)

33 4.1.1.5Hasil Pola Asosiasi

Dibawah ini merupakan hasil asosiasi yang didapat dengan nilai minimal confidence yang ditentukan adalah 70%. Lihat tabel 4.6.

Tabel 4.6 Hasil Pola Asosiasi

Pola Asosiasi Support Confidence

Jika mencari kucing bengal,maka dinamo auldey akan dicari

5 0.735294

Jika mencari kucing bengal,maka kaos yonex akan dicari

5 0.735294

Jika mencari shock depan rx king,maka batu bongkahan akan dicari

6 0.882353

Jika mencari kain goretex,maka pintu bekas kusen kayu akan dicari

6 0.882353

Jika mencari kain goretex,maka baby jogger akan dicari

6 0.882353

Jika mencari kain goretex,maka tempat keramas salon akan dicari

5 0.735294

Jika mencari kain goretex,maka batu bongkahan akan dicari

8 1.176471

Jika mencari kain goretex,maka pintu bekas akan dicari

6 0.882353

Jika mencari kain goretex,maka kaos yonex akan dicari

9 1.323529

Jika mencari pintu bekas kusen kayu,maka batu bongkahan akan dicari

7 1.029412

Jika mencari baby jogger,maka tempat keramas salon akan dicari

7 1.029412

Jika mencari baby jogger,maka batu bongkahan akan dicari

10 1.470588

Jika mencari baby jogger,maka kaos yonex akan dicari

7 1.029412

Jika mencari tempat keramas salon,maka batu bongkahan akan dicari

7 1.029412

Jika mencari batu bongkahan,maka pintu bekas akan dicari

5 0.735294

Jika mencari kucing,maka pintu bekas akan dicari

6 0.882353

Jika mencari kucing,maka kaos yonex akan dicari

(52)

34 4.1.2 Hasil Perhitungan Lift Ratio

Dari hasil pola asosiasi yang didapat , kemudian dihitung menggunakan Lift Ratio untuk membuktikan kevalidan rule yang terbentuk. Dapat dikatakan valid jika mempunyai nilai lift lebih dari 1, yang berarti bahwa dalam data kunjungan tersebut, kueri A dan B benar – benar dicari secara bersamaan. Berikut merupakan perhitungan dengan rumus lift ratio. Dapat dilihat pada tabel 4.7.

Tabel 4.7 Hasil Lift Ratio

4.1.3 Proses Pencocokan Pola 4.1.3.1 Pola Asosiasi

Pola Asosiasi kueri barang yang diperoleh dari proses yang dilakukan pada perhitungan manual dengan data training dan min support yang ditentukan 0,6. dapat dilihat pada tabel 5.1 Hasil Pola Asosiasi.

4.1.3.2 Data testing

(53)

35 4.1.3.3 Pengecekan Pola Asosiasi

Dari adanya pola asosiasi yang sudah terbentuk dari percobaan data training 1 kemudian dicocokan kesamaan dengan data testing yang telah dilampirkan pada lampiran 3 dengan dicari satu persatu pada data testing:

a) Pengecekan kesamaan pola dilakukan dengan menyalin pola asosiasi satu per satu, kemudian dicari menggunakan fungsi ctrl+f pada data testing. Dapat dilihat pada gambar 4.1.

Gambar 4.1 Pengecekan Pola Asosiasi

b) Pengecekan kunjungan mengandung rule dilakukan dengan menyalin kueri satu per satu yang terdapat pada pola asosiasi, kemudian dicari menggunakan fungsi ctrl+f pada data testing. Dapat dilihat pada gambar 4.2.

(54)

Gambar 4.2 Pengecekan kunjungan mengandung rule

4.1.3.4 Perhitungan Jumlah Kecocokan Pola Setelah dicek kemudian dihitung jumlahnya :

a) Jumlah pola yang sama dengan data testing dapat dilihat pada gambar 4.3

Gambar 4.3 Jumlah Pola Yang Ditemukan

b) Data kunjungan yang mengandung pola asosiasi kueri barang dapat dilihat pada gambar 4.4. Digunakan rumus dibawah ini untuk menghitung

(55)

Jumlah kesamaan pola asosiasi x 100% Jumlah data kunjungan mengandung rule

(56)

BAB 5

ANALISIS HASIL DAN PEMBAHASAN

5.1 Hasil Percobaan

Pada bab ini akan dibahas mengenai hasil dari implementasi perhitungan pola pencarian asosiasi kueri barang, dimana dari hasil jumlah data kueri barang diujikan langsung kepada data kueri barang yang baru untuk membuktikan bahwa hasil rule dari pola asosiasi kueri barang yang telah diproses menggunakan perhitungan secara manual mendapatkan hasil yang sama dengan kueri barang baru yang dicari oleh user. Pada percobaan ini penulis melakukan ujicoba perhitungan dengan menggunakan data kueri barang selama 55 menit yang telah diproses secara manual untuk memperoleh data kueri. Data dapat dilihat pada lampiran 1.

Untuk hasil pola asosiasi dari data training dapat dilihat pada tabel 5.1 dimana dari minimum support yang diuji coba didapat pola asosiasi, nilai support, dan nilai confidence.

Tabel 5.1 Hasil Pola Asosiasi Support, Confidence

Pola Asosiasi Support Confidence

Jika mencari kucing bengal,maka dinamo auldey akan dicari

5 0.735294

Jika mencari kucing bengal,maka kaos yonex akan dicari

5 0.735294

Jika mencari shock depan rx king,maka batu bongkahan akan dicari

6 0.882353

Jika mencari kain goretex,maka pintu bekas kusen kayu akan dicari

6 0.882353

(57)

39 jogger akan dicari

Jika mencari kain goretex,maka tempat keramas salon akan dicari

5 0.735294

Jika mencari kain goretex,maka batu bongkahan akan dicari

8 1.176471

Jika mencari kain goretex,maka pintu bekas akan dicari

6 0.882353

Jika mencari kain goretex,maka kaos yonex akan dicari

9 1.323529

Jika mencari pintu bekas kusen kayu,maka batu bongkahan akan dicari

7 1.029412

Jika mencari baby jogger,maka tempat keramas salon akan dicari

7 1.029412

Jika mencari baby jogger,maka batu bongkahan akan dicari

10 1.470588

Jika mencari baby jogger,maka kaos yonex akan dicari

7 1.029412

Jika mencari tempat keramas salon,maka batu bongkahan akan dicari

7 1.029412

Jika mencari batu bongkahan,maka pintu bekas akan dicari

5 0.735294

Jika mencari kucing,maka pintu bekas akan dicari

6 0.882353

Jika mencari kucing,maka kaos yonex akan dicari

6 0.882353

5.2Hasil Pengujian

Kemudian dari pola yang diperoleh dari uji coba data training, penulis mencoba mengujikan hasil dari perhitungan pola asosiasi kueri barang dengan data baru yang direcord selama kurang lebih 185 menit. Tabel data testing terdapat pada lampiran 3. Untuk membuktikan bahwa hasil rule dari pola asosiasi kueri barang yang telah diproses menggunakan perhitungan manual untuk mendapatkan hasil pola kueri yang sama dengan data yang baru sebagai saran pencarian kueri barang. Hasil Pengujian dapat dilihat pada tabel 5.2.

(58)

Tabel 5.2 Hasil Pengujian dengan Data Testing Min.

Support

Pola Asosiasi Kueri Barang Jumlah

Kecocokan Pola

Confidence

0,6 Jika mencari kucing bengal,maka dinamo

auldey akan dicari

5 0.735294

Jika mencari kucing bengal,maka kaos yonex akan dicari

5 0.735294

Jika mencari shock depan rx king,maka batu bongkahan akan dicari

6 0.882353

Jika mencari kain goretex,maka pintu bekas kusen kayu akan dicari

6 0.882353

Jika mencari kain goretex,maka baby jogger akan dicari

6 0.882353

Jika mencari kain goretex,maka tempat keramas salon akan dicari

5 0.735294

Jika mencari kain goretex,maka batu bongkahan akan dicari

8 1.176471

Jika mencari kain goretex,maka pintu bekas akan dicari

6 0.882353

Jika mencari kain goretex,maka kaos yonex akan dicari

9 1.323529

Jika mencari pintu bekas kusen kayu,maka batu bongkahan akan dicari

7 1.029412

Jika mencari baby jogger,maka tempat keramas salon akan dicari

7 1.029412

Jika mencari baby jogger,maka batu bongkahan akan dicari

10 1.470588

Jika mencari baby jogger,maka kaos yonex akan dicari

7 1.029412

Jika mencari tempat keramas salon,maka batu bongkahan akan dicari

7 1.029412

Jika mencari batu bongkahan,maka pintu bekas akan dicari

5 0.735294

Jika mencari kucing,maka pintu bekas akan dicari

6 0.882353

Jika mencari kucing,maka kaos yonex akan dicari

6 0.882353

Jumlah kecocokan pola 55 Presentase Hasil Kecocokan Pola 55/468*10

(59)

Dapat dilihat hasil pengujian dari data testing pada lampiran 3 dengan data training diperoleh hasil sebagai berikut :

1. Dengan nilai min.support 0,6 dengan jumlah kesamaan pola asosiasinya 55 diperoleh presentase hasil kecocokan pola sebesar 11,75214%. 11,75214% disini artinya yaitu bahwa kesamaan pencarian kueri barang oleh user dengan hasil pola asosiasi kueri barang yang didapatkan dari perhitungan manual sebesar 11,75214%.

5.3 Hasil Validitas Lift Ratio

Hasil pada percobaan data training diperoleh pola yang memenuhi syarat lift ratio dengan hasil perhitungan lebih dari 1 adalah bagian yang berwarna kuning yaitu pola nomor 2,3,4,5,7,8,9,11,12,13,14,16,17.

Tabel 5.3 Hasil Perhitungan Lift Ratio

No Pola Asosiasi Hasil

Perhitungan Lift Ratio

1 Jika mencari kucing bengal,maka dinamo auldey akan

dicari 0.391113892

2 Jika mencari kucing bengal,maka kaos yonex akan dicari 1.720901126

3 Jika mencari shock depan rx king,maka batu bongkahan

akan dicari 1.14379085

4 Jika mencari kain goretex,maka pintu bekas kusen kayu

akan dicari 1.470588235

5 Jika mencari kain goretex,maka baby jogger akan dicari 1.176470588

6 Jika mencari kain goretex,maka tempat keramas salon

akan dicari 0.971314452

7 Jika mencari kain goretex,maka batu bongkahan akan

dicari 1.525054466

8 Jika mencari kain goretex,maka pintu bekas akan dicari 1.492374728

9 Jika mencari kain goretex,maka kaos yonex akan dicari 1.797385621

(60)

42 bongkahan akan dicari

11 Jika mencari baby jogger,maka tempat keramas salon

akan dicari 1.019880174

12 Jika mencari baby jogger,maka batu bongkahan akan

dicari 1.429738562

13 Jika mencari baby jogger,maka kaos yonex akan dicari 1.048474946

14 Jika mencari tempat keramas salon,maka batu bongkahan

akan dicari 1.010170423

15 Jika mencari batu bongkahan,maka pintu bekas akan

dicari 0.959383754

16 Jika mencari kucing,maka pintu bekas akan dicari 2.238562092

(61)

BAB 6

KESIMPULAN DAN SARAN

Bab akhir tulisan ini berisikan tentang kesimpulan dan saran. Kesimpulan berisi tentang hasil akhir pola asosiasi situs Inkuiri.com dari data kueri barang selama 55 menit dan data yang telah diuji. Saran akan memuat hal yang berkaitan tentang pengembangan proses perhitungan dalam tulisan ini.

6.1 Kesimpulan

Berdasarkan hasil analisis dari implementasi menggunakan data clickstream yang di record selama 55 menit, bahwa :

1. Hasil dari pengujian data kueri barang yang baru selama 185 menit dengan hasil pola asosiasi kueri barang selama 55 menit yaitu data training disimpulkan bahwa didapat kesamaan pola pencarian kueri barang membuktikan data training memiliki kesamaan pola pada data testing dengan jumlah kesamaan pola sebesar 55 pola dan pola terbesar adalah pola “Jika mencari baby jogger,maka batu bongkahan akan dicari” dengan hasil kesamaan sebesar 10 pola dengan presentase 1.470588%.

2. Hasil dari proses perhitungan kueri barang selama 55 menit menghasilkan

pola asosiasi berjumlah 17 pola dan setelah dihitung menggunakan rumus lift ratio menghasilkan 13 pola yang dikatakan valid (nilai lebih dari 1) atau sebesar 76,47% dari 17 pola yang dapat memenuhi syarat lift ratio yang diperoleh dari 13 pola valid dibagi 17 polda asosiasi dikalikan 100 %.

(62)

44 6.2 Saran

Dari perhitungan yang telah dibuat masih dibutuhkan beberapa saran sebagai pengembangan perhitungan ke arah yang lebih baik, yaitu:

Membuat sistem untuk mengolah data yang sudah diujicoba dengan cara manual, agar proses dapat dilakukan oleh sistem untuk mempersingkat waktu pengolahan data.

(63)

Daftar Pustaka

[1] Luthfi ,E. T dan Kusrini.(2009). Algoritma Data Mining. Yogyakarta: Andi Offset

[2] Berry, M.J.A., (2004). Data Mining Techniques, John Wiley & Sons.

[3] Han, Jiawei dkk.(2011). Data Mining Concept And Techniques. University

of lllinois at Urbana-Champaign.

[4] Abdullah, Atje Setiawan.(2009). Spasial Data Mining Menggunakan

Model SARKriging (Sptial Autoregressive-Kriging) untuk Pemetaan Mutu Pendidikan di Indonesia.Disertasi. Program Pasca Sarjana FMIPA UGM.UGM: Yogyakarta.

[5] Bettiza, Martaleli dkk.(2009). Penerapan Algoritma Apriori Dalam

Menemukan Hubungan Data Awal Masuk Mahasiswa Dengan Prestasi Akademik (Studi Kasus : Stai Miftahul Ulum Tanjungpinang)_.Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja Ali Haji (UMRAH). Jl. Politeknik Senggarang, Tanjungpinang 29115.

[6] Tampubolon, Kennedi dkk.(2013). Implementasi Data Mining Algoritma

Apriori Pada Sistem Persediaan Alat-alat Kesehatan. Jurnal Informasi dan Teknologi Ilmiah (INTI), Vol. I , No.1 Bulan Oktober 2013.

[7] Agrawal, Rakesh dkk.(1993). Mining Association Rules between Sets of Items in Large Databases. IBM Almaden Research Center 650 Harry Road, San Jose, CA 95120.

(64)

LAMPIRAN 1

Data Training

1 sepatu gunung salomon gtx,sepatu gunung salomon boots gtx 2 taft gt,gardan daihatsu taft depanpintu bekas kusen kayu 3 kucing bengal,kain goretex,kaos yonex

4 shock depan rx king,kaos yonex 5 kain goretex,pintu bekas kusen kayu 6 burung murai medan betina,kucing bengal 7 etalase bekas bandung,kain goretex

8 trainer roller sepeda,pintu bekas kusen kayu 9 dinamo auldey,kaos yonex

10 pintu bekas kusen kayu,seragam tarung derajat 11 barter vespa cb 100,shock depan rx king 12 barter vespa cb 100,pintu bekas kusen kayu 13 etalase bekas,kain goretex

14 keris sepuh,keris sepuh pamor

15 reel pancing,kucing bengal,seragam tarung derajat

16 baby jogger,baby jogger stroller,baby jogger city,baby jogger city double 17 burung merpati hias,kucing bengal

18 burung merpati hias,pintu bekas kusen kayu

19 tombak luk,tombak luk temuan,keris tombak besar,tombak 20 rockwool yogyakarta,kain goretex

21 tempat keramas salon,kain goretex

22 batu bongkahan,batu bongkahan pancawarna

23 motor drag tangki,motor drag jok tangki,shock depan rx king

24 dinamo mini4wd kilikan tamiya,dinamo mini4wd kilikan lagi,dinamo auldey 25 bdu lokal,bdu lokal multicam,dinamo auldey

26 persia obral,persia obral kitten,kucing bengal

27 ikan arwana (surabaya),kucing bengal,dinamo auldey 28 ikan arwana (surabaya),kain goretex

29 ayam bangkok betina,kucing bengal

30 bangkok yogyakarta ayam bantul,kucing bengal 31 tangki vixion,shock depan rx king,dinamo auldey 32 tanah pangalengan,kain goretex

33 kotak peluru box tempat,pintu bekas kusen kayu

34 batu merah siam retak seribu rubi,batu merah siam retak seribu 35 mesin cuci bandung,kain goretex

36 anis kembang ngerol ring,anis kembang ngerol ring ngeplong,kain goretex 37 batu bongkahan,kucing bengal,dinamo auldey

38 velg jari jari satria fu,shock depan rx king

(65)

47 40 lamborghini 1 hotwheels,kucing bengal

41 barn owl surabaya,barn owl brancher jawa tengah 42 dancing in the water speaker,pintu bekas kusen kayu

43 tarantula,brachypelma,brachypelma mexican,brachypelma red,brachypelma adult

44 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70,pintu bekas kusen kayu 45 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70

46 kaisar ruby,carry 87 tahun 47 vaporizer,vamo,dinamo auldey

48 braket vixion megapro lampu tiger,braket vixion megapro lampu tiger scorpio,dinamo auldey

49 lampu depan vixion,kain goretex,dinamo auldey 50 dipan bekas,kucing bengal,kain goretex

51 sepatu gunung salomon gtx,kain goretex 52 sepatu gunung salomon boots gtx 53 taft gt,kucing bengal

54 taft gt,kain goretex,kaos yonex 55 taft gt,shock depan rx king 56 taft gt,pintu bekas kusen kayu

57 gardan daihatsu taft depan,kaos yonex 58 kucing bengal,dinamo auldey

59 kucing bengal,pintu bekas kusen kayu 60 kucing bengal,kain goretex,dinamo auldey 61 kucing bengal,shock depan rx king

62 kucing bengal,dinamo auldey

63 kucing bengal,seragam tarung derajat 64 kucing bengal,shock depan rx king 65 kucing bengal,kaos yonex

66 shock depan rx king 67 shock depan rx king

68 kain goretex,seragam tarung derajat 69 kain goretex,pintu bekas kusen kayu 70 kain goretex,kaos yonex

71 burung murai medan betina,kucing bengal 72 burung murai medan betina,dinamo auldey 73 etalase bekas bandung,pintu bekas kusen kayu 74 etalase bekas bandung,kain goretex,kaos yonex 75 etalase bekas bandung,seragam tarung derajat 76 etalase bekas bandung,dinamo auldey

77 etalase bekas bandung,seragam tarung derajat 78 etalase bekas bandung,pintu bekas kusen kayu 79 etalase bekas bandung,kaos yonex

(66)

81 etalase bekas bandung,dinamo auldey,dinamo auldey 82 trainer roller sepeda,shock depan rx king

83 trainer roller sepeda,seragam tarung derajat 84 dinamo auldey,pintu bekas kusen kayu 85 dinamo auldey,kaos yonex

86 pintu bekas kusen kayu,kain goretex

87 pintu bekas kusen kayu,seragam tarung derajat 88 pintu bekas kusen kayu,kaos yonex

89 barter vespa cb 100,shock depan rx king 90 barter vespa cb 100,dinamo auldey 91 etalase bekas,baby jogger

92 etalase bekas,pintu bekas kusen kayu 93 keris sepuh,dinamo auldey

94 keris sepuh pamor,seragam tarung derajat 95 reel pancing,pintu bekas kusen kayu

96 reel pancing,kain goretex,tempat keramas salon 97 reel pancing,dinamo auldey

98 reel pancing,kucing bengal 99 reel pancing,baby jogger

100 reel pancing,dinamo auldey,baby jogger 101 reel pancing,shock depan rx king 102 reel pancing,tempat keramas salon 103 reel pancing,kain goretex

104 baby jogger,tempat keramas salon 105 baby jogger,kain goretex

106 baby jogger,pintu bekas kusen kayu 107 baby jogger,shock depan rx king 108 baby jogger,dinamo auldey

109 baby jogger stroller,seragam tarung derajat 110 baby jogger city,kaos yonex

111 baby jogger city double

112 baby jogger city,tempat keramas salon 113 burung merpati hias,kucing bengal

114 burung merpati hias,pintu bekas kusen kayu 115 tombak luk,dinamo auldey

116 tombak luk,pintu bekas kusen kayu,baby jogger 117 tombak luk temuan,baby jogger

118 tombak luk,kain goretex,kaos yonex 119 keris tombak besar,dinamo auldey 120 tombak,pintu bekas kusen kayu

121 tombak luk,baby jogger,tempat keramas salon 122 rockwool yogyakarta,dinamo auldey

(67)

49 124 rockwool yogyakarta,baby jogger 125 tempat keramas salon,kaos yonex

126 tempat keramas salon,shock depan rx king 127 tempat keramas salon,pintu bekas kusen kayu 128 tempat keramas salon,kain goretex

129 tempat keramas salon,baby jogger 130 tempat keramas salon,kaos yonex 131 batu bongkahan,kain goretex 132 batu bongkahan,baby jogger

133 batu bongkahan,baby jogger,tempat keramas salon 134 batu bongkahan,shock depan rx king

135 batu bongkahan,pintu bekas kusen kayu 136 batu bongkahan pancawarna,kaos yonex

137 batu bongkahan pancawarna,shock depan rx king 138 batu bongkahan pancawarna,kain goretex 139 motor drag tangki,baby jogger

140 motor drag jok tangki,tempat keramas salon 141 motor drag jok tangki,baby jogger

142 dinamo mini4wd kilikan tamiya

143 dinamo mini4wd kilikan tamiya,shock depan rx king 144 dinamo mini4wd kilikan tamiya,baby jogger

145 dinamo mini4wd kilikan lagi,kaos yonex 146 bdu lokal,pintu bekas kusen kayu

147 bdu lokal multicam,tempat keramas salon 148 persia obral,kucing bengal,baby jogger 149 persia obral kitten,kain goretex,kaos yonex 150 ikan arwana (surabaya),tempat keramas salon 151 ikan arwana (surabaya),shock depan rx king 152 ikan arwana (surabaya),kain goretex

153 ayam bangkok betina,pintu bekas kusen kayu 154 ayam bangkok betina,kucing bengal,baby jogger 155 ayam bangkok betina,baby jogger

156 bangkok yogyakarta ayam bantul,kaos yonex

157 bangkok yogyakarta ayam bantul,shock depan rx king 158 bangkok yogyakarta ayam bantul

159 bangkok yogyakarta ayam bantul,kain goretex 160 tangki vixion,shock depan rx king

161 tangki vixion,kucing bengal,kaos yonex 162 tanah pangalengan,pintu bekas kusen kayu 163 tanah pangalengan,kain goretex

164 kotak peluru box tempat,pintu bekas kusen kayu 165 kotak peluru box tempat,kain goretex,baby jogger 166 batu merah siam retak seribu rubi,shock depan rx king

(68)

50 167 batu merah siam retak seribu,kaos yonex 168 mesin cuci bandung,baby jogger

169 mesin cuci bandung,shock depan rx king 170 mesin cuci bandung,tempat keramas salon 171 mesin cuci bandung,pintu bekas kusen kayu 172 anis kembang ngerol gacor,kain goretex 173 anis kembang ngerol,shock depan rx king

174 anis kembang ngerol gacor,tempat keramas salon 175 anis kembang ngerol gacor istimewa,baby jogger 176 anis kembang ngerol ring,pintu bekas kusen kayu 177 anis kembang ngerol ring,shock depan rx king 178 anis kembang ngerol ring,tempat keramas salon 179 anis kembang ngerol ring ngeplong,baby jogger 180 anis kembang ngerol ring jantan

181 anis kembang ngerol ring jantan ngeplong 182 batu bongkahan,shock depan rx king 183 batu bongkahan,baby jogger

184 batu bongkahan,pintu bekas kusen kayu 185 velg jari jari satria fu,kain goretex

186 velg jari jari satria fu,tempat keramas salon 187 velg jari jari satria fu,shock depan rx king 188 velg jari jari satria fu,baby jogger

189 velg jari jari satria fu,pintu bekas kusen kayu 190 velg jari jari satria fu,kaos yonex

191 undertail ninja 250 model,baby jogger 192 headlamp variasi custom,kucing bengal 193 lamborghini 1 hotwheels,kain goretex 194 lamborghini 1 hotwheels,shock depan rx king 195 barn owl surabaya,tempat keramas salon 196 barn owl brancher jawa tengah,kucing bengal 197 dancing in the water speaker,tempat keramas salon 198 dancing in the water speaker,pintu bekas kusen kayu 199 dancing in the water speaker,kain goretex,batu bongkahan 200 dancing in the water speaker,kucing bengal,baby jogger 201 dancing in the water speaker,pintu bekas kusen kayu 202 dancing in the water speaker,tempat keramas salon 203 dancing in the water speaker,shock depan rx king 204 dancing in the water speaker,kaos yonex

205 dancing in the water speaker,baby jogger

206 dancing in the water speaker,shock depan rx king 207 dancing in the water speaker,batu bongkahan 208 tarantula,pintu bekas kusen kayu

(69)

51 210 brachypelma,tempat keramas salon 211 brachypelma mexican,kaos yonex 212 brachypelma red,baby jogger 213 brachypelma adult,kain goretex

214 brachypelma adult,tempat keramas salon

215 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70,kain goretex 216 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70,baby jogger

217 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70,shock depan rx king,batu bongkahan

218 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70,pintu bekas kusen kayu 219 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70,shock depan rx king 220 fahreza04 OR honda OR c50 OR c70 OR th OR 71 70,tempat keramas salon 221 kaisar ruby,baby jogger,batu bongkahan

222 carry 87 tahun,pintu bekas kusen kayu 223 carry 87 tahun,kaos yonex

224 kaisar ruby,tempat keramas salon 225 kaisar ruby,baby jogger

226 vaporizer,kain goretex,batu bongkahan 227 vaporizer,tempat keramas salon 228 vaporizer,pintu bekas kusen kayu 229 vaporizer,batu bongkahan 230 vaporizer,shock depan rx king 231 vaporizer,seragam tarung derajat 232 vaporizer,kain goretex

233 vaporizer,shock depan rx king

234 vaporizer,baby jogger,batu bongkahan 235 vaporizer,pintu bekas kusen kayu 236 vaporizer,seragam tarung derajat 237 vaporizer,kaos yonex

238 vamo,shock depan rx king 239 vamo,kain goretex,baby jogger

240 vamo,pintu bekas kusen kayu,batu bongkahan 241 braket vixion megapro lampu tiger

242 braket vixion megapro lampu tiger scorpio,batu bongkahan 243 lampu depan vixion,tempat keramas salon

244 lampu depan vixion,baby jogger 245 dipan bekas,kaos yonex

246 dipan bekas,batu bongkahan 247 dipan bekas,tempat keramas salon 248 dipan bekas,kain goretex

249 dipan bekas,shock depan rx king 250 dipan bekas,pintu bekas kusen kayu 251 dipan bekas,baby jogger

(70)

52 252 dipan bekas,shock depan rx king 253 dipan bekas,baby jogger,kaos yonex

254 shisha bandung mah evod rokok,tempat keramas salon 255 evod 1100 trigger vaporizer,batu bongkahan

256 shisha bandung mah cod,kucing bengal 257 kucing maine coon,kain goretex

258 kucing maine coon,shock depan rx king,kaos yonex 259 kucing maine coon,kucing bengal,batu bongkahan 260 kucing maine coon,pintu bekas kusen kayu 261 batu bongkahan,kain goretex,baby jogger 262 batu bongkahan,pintu bekas kusen kayu 263 kacamata tembus pandang,shock depan rx king

264 kacamata tembus pandang,tempat keramas salon,batu bongkahan 265 kacamata tembus pandang,kucing bengal

266 speaker pasif inch 15,tempat keramas salon 267 keramik bekas genteng,baby jogger,kaos yonex

268 genteng keramik kanmuri,kain goretex,batu bongkahan 269 pleci di,tempat keramas salon

270 pleci di bogor,kucing bengal

271 lampu drl,kain goretex,batu bongkahan 272 drl captiva,baby jogger

273 drl captiva,tempat keramas salon,batu bongkahan 274 rokok elektrik,pintu bekas kusen kayu

275 rokok elektrik,shock depan rx king 276 velg racing mio,baby jogger

277 velg racing mio,pintu bekas kusen kayu 278 velg racing mio,kaos yonex

279 velg racing mio,tempat keramas salon 280 cymbal hihat 14 hi nebulae rolling

281 cymbal orion hihat rolling,batu bongkahan

282 mesin potong kayu,pintu bekas kusen kayu,pintu bekas kusen kayu 283 mesin potong kayu,kain goretex,batu bongkahan

284 mesin potong kayu,shock depan rx king

285 mesin potong kayu,baby jogger,batu bongkahan 286 sepatu roda princess bajaj,kain goretex

287 sepatu roda princess bajaj,batu bongkahan 288 sepatu roda princess bajaj,pintu bekas kusen kayu 289 rough,baby jogger,kaos yonex

290 rough,tempat keramas salon 291 rough,shock depan rx king 292 rough,batu bongkahan

293 rough,pintu bekas kusen kayu,batu bongkahan 294 rough,seragam tarung derajat

(1)

736 radistra OR blue OR safir OR pecah OR seribu cincin,pintu bekas kusen kayu

737 jaket the north face,kaos yonex

738 jaket the north face gunung,batu bongkahan 739 jaket the north face gunung,baby jogger 740 jersey santos neymar,tempat keramas salon 741 jersey santos neymar,shock depan rx king

742 adi pradhono anjing beagle,baby jogger,batu bongkahan 743 sayap megapro,kaos yonex

744 wheel dop sepeda,kaos yonex 745 wheel dop sepeda,baby jogger 746 elang bido,pintu bekas kusen kayu 747 elang bido,tempat keramas salon

748 aksesoris absolut revo,seragam tarung derajat 749 aksesoris absolut revo,seragam tarung derajat 750 kebaya encim,kaos yonex

751 kebaya encim panjang,seragam tarung derajat 752 tangga putar,tempat keramas salon,batu bongkahan 753 merpati pos,kucing bengal

754 bedong kain warna,shock depan rx king 755 bedong kain warna,kaos yonex

756 body revo,baby jogger

757 body revo,tempat keramas salon 758 interpol pintor,batu bongkahan 759 interpol,tempat keramas salon

760 interpol trigger,pintu bekas kusen kayu 761 sandal new era karet,seragam tarung derajat 762 sandal new era karet,tempat keramas salon 763 ryobi zauber 3000,kaos yonex

764 cakram belakang byson,kaos yonex

765 cakram belakang byson,tempat keramas salon 766 kaos slank,baby jogger

767 kaos slank,tempat keramas salon 768 vcd porno,pintu bekas kusen kayu 769 vcd porno,kaos yonex

770 monyet putih,shock depan rx king 771 monyet putih,baby jogger

772 monyet putih,pintu bekas kusen kayu,batu bongkahan 773 monyet putih,kain goretex

774 htc - tytn ii hp,pintu bekas kusen kayu 775 htc - tytn ii hp,kaos yonex

776 iphone bm,kaos yonex,batu bongkahan 777 iphone bm ori,tempat keramas salon

(2)

89 778 typical gc mesin 28 jahit 6281

779 typical gc,pintu bekas kusen kayu,baby jogger 780 drop dead,tempat keramas salon

781 drop dead,baby jogger

782 molen bekas,tempat keramas salon 783 molen bekas,kain goretex

784 molen bekas,kaos yonex

785 noken satria fu,shock depan rx king

786 burung murai medan betina,pintu bekas kusen kayu

787 burung murai medan betina,shock depan rx king,pintu bekas kusen kayu,batu bongkahan

788 kondom tangki megapro,kaos yonex 789 kondom tangki megapro,baby jogger 790 fairing megapro,kaos yonex

791 handphone,tempat keramas salon,batu bongkahan 792 kucing,pintu bekas kusen kayu,batu bongkahan 793 kucing,kucing bengal,kaos yonex

794 kucing,kucing bengal,baby jogger 795 kucing,pintu bekas kusen kayu

796 spare part copotan,tempat keramas salon 797 spare part copotan,kain goretex

798 spare part copotan,pintu bekas kusen kayu

799 emblem dan stiker terrano anti gores mobil pelindung cat mobil,shock depan rx king

800 batu bongkahan,pintu bekas kusen kayu 801 batu bongkahan,baby jogger,batu bongkahan 802 adonit jot pro,shock depan rx king

803 adonit jot pro touch,tempat keramas salon

804 burung parkit dan jakarta mustika burung dara balap,batu bongkahan 805 burung parkit dan jakarta mustika burung dara balap

806 tempat di bogor,tempat keramas salon 807 tempat di bogor,pintu bekas kusen kayu

808 tempat di bogor usaha,shock depan rx king,batu bongkahan 809 bebek 70 bekjul,tempat keramas salon

810 bebek 70 bekjul merah,tempat keramas salon 811 bebek 70 bekjul,pintu bekas kusen kayu 812 bebek 70 bekjul merah,pintu bekas kusen kayu 813 bebek 70 bekjul,tempat keramas salon

814 bebek 70 bekjul,pintu bekas kusen kayu,batu bongkahan 815 fairing ninja rr 150,tempat keramas salon

816 fairing ninja rr 150,shock depan rx king,kain goretex 817 suzuki rm,baby jogger

(3)

819 jaket jeans second,kaos yonex,batu bongkahan 820 jaket jeans second,tempat keramas salon 821 jaket second,pintu bekas kusen kayu 822 jaket second,baby jogger

823 pintu bekas,kaos yonex

824 pintu bekas,kain goretex,tempat keramas salon 825 kruk as,tempat keramas salon,kaos yonex 826 kruk as,pintu bekas kusen kayu

827 kebaya akad nikah pengantin

828 kebaya akad nikah pengantin,pintu bekas kusen kayu 829 kebaya akad nikah pengantin,seragam tarung derajat 830 patung maria,kaos yonex,batu bongkahan

831 pajangan salib,baby jogger,tempat keramas salon 832 sepatu futsal puma original evospeed size

833 sepatu futsal puma original evospeed size 834 gas mask,baby jogger,kaos yonex

835 gas mask,pintu bekas kusen kayu

836 over kredit vixion,shock depan rx king,kain goretex 837 over kredit vixion,tempat keramas salon

838 over kredit vixion,pintu bekas kusen kayu 839 over kredit vixion,baby jogger

840 toyota kijang baby cruiser,kaos yonex

841 toyota kijang baby cruiser,pintu bekas kusen kayu 842 mesin panen padi,tempat keramas salon

843 mesin panen padi,kain goretex,kain goretex,pintu bekas kusen kayu 844 mesin panen padi,baby jogger

845 mesin panen padi,pintu bekas kusen kayu,baby jogger 846 mesin panen padi,kaos yonex

847 sugar glider,kucing bengal,pintu bekas kusen kayu 848 sugar glider,kucing bengal,tempat keramas salon 849 sugar glider joey surabaya,pintu bekas kusen kayu 850 sugar glider joey surabaya,kaos yonex

851 lampu duduk antik kuno,kain goretex 852 lampu duduk antik kuno,batu bongkahan

853 lampu gantung kuno antik minyak,pintu bekas kusen kayu 854 ayam aduan,baby jogger

855 ayam aduan,kucing bengal

856 ayam aduan,baby jogger,tempat keramas salon 857 louhan bonsai,pintu bekas kusen kayu

858 louhan bonsai,kaos yonex

859 louhan bonsai,pintu bekas kusen kayu 860 louhan bonsai,baby jogger

(4)

91 862 louhan bonsai,shock depan rx king 863 louhan bonsai,pintu bekas kusen kayu 864 louhan bonsai,tempat keramas salon 865 mainboard axioo pico,kaos yonex

866 mainboard axioo pico,pintu bekas kusen kayu 867 mainboard axioo pico,baby jogger

868 jeruji fiber,tempat keramas salon

869 jeruji fiber,kain goretex,batu bongkahan 870 rok mini sexy,kaos yonex

871 rok mini sexy,pintu bekas kusen kayu

872 celana training adidas,seragam tarung derajat 873 celana training adidas,batu bongkahan

874 celana training adidas,pintu bekas kusen kayu 875 celana training adidas,batu bongkahan

876 chuyonk OR esp OR ltd OR viper OR 401 OR black 877 mini proyektor,pintu bekas kusen kayu

878 mini proyektor,kaos yonex

879 rumah di btp makassar,batu bongkahan 880 rumah di btp makassar,shock depan rx king 881 rumah di btp makassar,kaos yonex

882 merpati hias moven,baby jogger

883 merpati hias,kain goretex,tempat keramas salon 884 oracal stiker bandung,pintu bekas kusen kayu 885 oracal stiker bandung,kaos yonex

886 sangkar burung,baby jogger

887 sangkar burung,kucing bengal,batu bongkahan 888 sangkar burung,baby jogger,tempat keramas salon 889 sangkar burung,kain goretex,kaos yonex

890 sangkar burung,pintu bekas kusen kayu 891 kucing bengal,sangkar burung

892 kaos yonex,pintu bekas kusen kayu 893 kaos yonex,tempat keramas salon 894 kaos yonex,kain goretex

895 power carver,baby jogger 896 power carver,baby jogger

897 power carver,pintu bekas kusen kayu 898 motor mainan aki,shock depan rx king 899 motor mainan aki,kaos yonex

900 motor mainan aki,pintu bekas kusen kayu 901 tangki minerva,tempat keramas salon 902 tangki minerva,baby jogger

903 tangki minerva,kain goretex,pintu bekas kusen kayu 904 tangki minerva,batu bongkahan

(5)

905 tangki minerva,kaos yonex,batu bongkahan 906 lovebird,kucing bengal

907 lovebird blorok,baby jogger

908 batu cincin garut,kain goretex,batu bongkahan 909 ikatan cincin batu,pintu bekas kusen kayu 910 footstep vario depan,pintu bekas kusen kayu 911 footstep vario depan,tempat keramas salon 912 footstep vario depan,shock depan rx king 913 camera canon eos 7d batam,batu bongkahan

914 camera canon eos 7d batam,pintu bekas kusen kayu 915 kandang anjing,tempat keramas salon

916 kandang anjing,shock depan rx king,batu bongkahan 917 kandang anjing,kucing bengal

918 kandang anjing,kaos yonex

919 aksesoris skywave,tempat keramas salon 920 aksesoris skywave,baby jogger

921 speedo koso,pintu bekas kusen kayu 922 aksesoris skywave,kain goretex

923 aksesoris skywave,tempat keramas salon 924 aksesoris skywave,pintu bekas kusen kayu 925 aksesoris suzuki skywave,shock depan rx king 926 aksesoris suzuki skywave,batu bongkahan 927 batu cincin,kaos yonex

928 batu cincin,baby jogger

929 sepatu gats,shock depan rx king,batu bongkahan 930 sepatu gats,pintu bekas kusen kayu

931 sepatu gats,kain goretex

932 sepatu gats,baby jogger,batu bongkahan 933 sepatu gats,tempat keramas salon

934 kandang hamster harga grosir,pintu bekas kusen kayu 935 kandang hamster harga grosir

936 kandang hamster harga grosir,batu bongkahan 937 sepatu gats,tempat keramas salon

938 sepatu gats,shock depan rx king

939 tanah pangalengan,pintu bekas kusen kayu 940 etalase bekas,kaos yonex,batu bongkahan 941 batu bongkahan,pintu bekas kusen kayu

942 sepatu futsal puma original evospeed size,kain goretex 943 sepatu futsal puma original evospeed size 46

944 sepatu futsal puma original evospeed size 945 lampu drl,kaos yonex,batu bongkahan 946 drl captiva,baby jogger

(6)

93 948 kaos yonex,batu bongkahan

949 kaos yonex,pintu bekas kusen kayu 950 kaos yonex,tempat keramas salon 951 kaos yonex,kain goretex,baby jogger 952 kaos yonex,baby jogger

953 kaos yonex,seragam tarung derajat 954 kaos yonex,pintu bekas kusen kayu 955 velg r13 pcd 100 114,shock depan rx king 956 velg r13 pcd 100 114,batu bongkahan

957 seragam tarung derajat,pintu bekas kusen kayu

958 seragam tarung derajat,kain goretex,baby jogger,kaos yonex

959 seragam tarung derajat,pintu bekas kusen kayu,tempat keramas salon 960 radistra OR blue OR safir OR pecah OR seribu cincin,shock depan rx king 961 radistra OR blue OR safir OR pecah OR seribu cincin,pintu bekas kusen

Penerapan data mining dengan algoritma apriori untuk informasi saran kueri barang : studi kasus : situs ``Inkuiri.com``.

Penerapan Data Mining Dengan Algoritma Apriori Untuk

Informasi Saran Kueri Barang

(Studi Kasus :

Situs “

Inkuiri.com

”

)

Application of Data Mining With Apriori Algorithm For

Item Information Query Suggestions

Case Study : Sites " Inkuiri.com "

Penerapan Data Mining Dengan Algoritma Apriori Untuk

Informasi Saran Kueri Barang

(Studi Kasus :

Situs “

Inkuiri.com

”

)

Application of Data Mining With Apriori Algorithm For Item

Information Query Suggestions

(Case Study : Sites " Inkuiri.com")

HALAMAN PERSETUJUAN

SKRIPSI

HALAMAN PENGESAHAN

SKRIPSI

HALAMAN PERSEMBAHAN

PERNYATAAN KEASLIAN KARYA

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Application of Data Mining With Apriori Algorithm For

Item Information Query Suggestions

Case Study : Sites " Inkuiri.com "

KATA PENGANTAR

DAFTAR ISI

DAFTAR GAMBAR

DAFTAR TABEL

BAB 1

PENDAHULUAN

BAB I Pendahuluan

BAB II Landasan Teori

BAB III Perancangan Perhitungan

BAB IV Implementasi Perhitungan

BAB VI Kesimpulan dan Saran

BAB 2

LANDASAN TEORI

BAB 3

PERANCANGAN PERHITUNGAN

BAB 4

IMPLEMENTASI PERHITUNGAN

BAB 5

ANALISIS HASIL DAN PEMBAHASAN

BAB 6

KESIMPULAN DAN SARAN

Daftar Pustaka

LAMPIRAN 1

Parts

Dokumen yang terkait

PENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI.

PENERAPAN DATA MINING PADA DATA TRANSAKSI PENJUALAN UNTUK MENGATUR PENEMPATAN BARANG MENGGUNAKAN ALGORITMA APRIORI.

Penerapan Data Mining dalam Analisis Kejadian Tanah Longsor di Indonesia dengan Menggunakan Association Rule Algoritma Apriori

APLIKASI DATA MINING UNTUK PEMODELAN PEMBELIAN BARANG DENGAN MENGGUNAKAN ALGORITMA APRIORI.

Penerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori

Implementasi Data Mining Pada Penjualan Kacamata Menggunakan Algoritma Apriori

PENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING

DATA MINING DENGAN ALGORITMA APRIORI PADA RDBMS ORACLE

RANCANG BANGUN APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA DENGAN ALGORITMA APRIORI

APLIKASI DATA MINING UNTUK PEMODELAN PEMBELIAN BARANG DENGAN MENGGUNAKAN ALGORITMA APRIORI TUGAS AKHIR - APLIKASI DATA MINING UNTUK PEMODELAN PEMBELIAN BARANG DENGAN MENGGUNAKAN ALGORITMA APRIORI

Dokumen yang Anda mencari sudah siap untuk unduhkan