suatu sistem skala besar, menjadi komponen-komponen yang lebih kecil, untuk menyederhanakan proses desain dan implementasi.
II.3 .3. Asosiasi
Penambangan aturan asosiasi merupakan proses pencarian aturan-aturan hubungan antar item dari suatu basis data transaksi atau basis data relasional, telah
menjadi perhatian utama dalam basis data. Tugas utamanya adalah untuk menemukan suatu himpunan hubungan antar item dalam bentuk A = B dimana A
dan B adalah himpunan atribut nilai, dari sekumpulan data yang relevan dalam suatu basis data.
Oleh karena proses untuk menemukan hubungan antar item ini mungkin memerlukan pembacaan data transaksi secara berulang-ulang dalam sejumlah
besar data-data transaksi untuk menemukan pola-pola hubungan yang berbeda- beda, maka waktu dan biaya komputasi tentunya juga akan sangat besar, sehingga
untuk menemukan hubungan tersebut diperlukan suatu algoritma yang efisien dan metode
– metode tertentu. 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 Pramudiono, 2003. Pencarian aturan asosiasi dengan menggunakan analisis asosiasi bertujuan untuk menemukan semua aturan yang terdapat pada
basisdata dengan minsup minimum support dan minconf minimum confidence
yang melebihi batas tertentu. Suatu aturan asosiasi dirasa valid apabila mempunyai nilai confidence
nilai kepastian ≥ 50 López-Cózar, 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 atau biasa disebut dengan istilah lower bound 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 menentukan aturan asosiasi yang kuat strong association rule.
Misalnya terdapat himpunan data transaksi D sebagai berikut:
Tabel 2.1 Contoh Tabel Transaksi D TID
Itemset
1 Bread, Milk
2 Bread,Diaper,Beer,Eggs
3 Milk,Diaper,Beer,Coke
4 Bread,Milk,Diaper,Beer
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.
II.3 .4. Algoritma Apriori
