.: ALGORITMA APRIORI :. DSS - Wiji Setiyaningsih, M.Kom

Presentasi berjudul: ".: ALGORITMA APRIORI :. DSS - Wiji Setiyaningsih, M.Kom"— Transcript presentasi:

1 .: ALGORITMA APRIORI :. DSS - Wiji Setiyaningsih, M.Kom
DSS - Wiji Setiyaningsih, S.Kom

2 Algoritma apriori Algoritma Apriori termasuk jenis Association Rule Mining. Associaton Rule Mining adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut Affinity Analysis atau Market Basket Analysis. DSS - Wiji Setiyaningsih, M.Kom

3 …...Algoritma apriori Analisis asosiasi menghasilkan algoritma yang efisien yaitu berupa analisis pola frekuensi tinggi (frequent pattern mining). Support (nilai penunjang) yaitu prosentase kombinasi item tersebut dalam database. Confidence (nilai kepastian) adalah kuatnya hubungan antar item dalam aturan asosiasi. DSS - Wiji Setiyaningsih, M.Kom

4 …...Algoritma apriori Contoh :
{roti, mentega}  {susu} : support = 40% confidence = 50% Seorang konsumen yang membeli roti dan mentega, memiliki kemungkinan 50% untuk juga membeli susu. Aturan ini cukup signifikan, karena mewakili 40% dari seluruh catatan transaksi. DSS - Wiji Setiyaningsih, M.Kom

5 …...Algoritma apriori Analisis Asosiasi merupakan suatu proses untuk menemukan semua aturan asosiasi yang memenuhi syarat minimum untuk support (minimum support), dan syarat minimum untuk confidance (minimum confidence). DSS - Wiji Setiyaningsih, M.Kom

6 PERHITUNGAN Algoritma apriori
Contoh: database dari transaksi belanja pasar swalayan Tabel 1. Record Transaksi TRANSAKSI ITEM YANG DIBELI 1 Susu, Gula, Teh 2 Teh, Gula, Roti 3 Teh, Gula 4 Susu, Roti 5 Susu, Gula, Roti 6 7 Gula, Kopi, Susu 8 9 Susu, Roti, Kopi 10 Gula, Teh, Kopi DSS - Wiji Setiyaningsih, M.Kom

7 1. Analisis pola frekuensi tinggi
Mencari kombinasi item yang memenuhi syarat minimum dari support dalam database. Sebuah itemset adalah himpunan item-item yang ada dalam I = {Teh, Gula, Kopi, Susu, Roti}. k-itemset adalah itemset yang berisi k item. Misal 2-itemset (F2) = {Teh, Gula} Misal 3-itemset (F3) = {Teh, Gula, Roti} DSS - Wiji Setiyaningsih, M.Kom

8 Tabel 2. 2-Itemset (F2) KOMBINASI JUMLAH Teh, Gula 5 Teh, Kopi 1
Teh, Susu Teh, Roti Gula, Kopi 3 Gula, Susu 4 Gula, Roti 2 Kopi, Susu Kopi, Roti Susu, Roti DSS - Wiji Setiyaningsih, M.Kom

9 Tabel 3. 3-Itemset (F3) KOMBINASI JUMLAH Teh, Gula, Kopi 1
Teh, Gula, Susu Gula, Susu, Kopi 2 Gula, Susu, Roti Gula, Kopi, roti Kopi, Susu, Roti DSS - Wiji Setiyaningsih, M.Kom

10 Tabel 4. Support 2-Itemset (F3)
Jumlah Transaksi mengandung A,B Support (A,B) = Total Transaksi Tabel 4. Support 2-Itemset (F3) KOMBINASI SUPPORT Teh, Gula 50% Teh, Kopi 10% Teh, Susu Teh, Roti Gula, Kopi 30% Gula, Susu 40% Gula, Roti 20% Kopi, Susu Kopi, Roti Susu, Roti DSS - Wiji Setiyaningsih, M.Kom

11 Tabel 5. Support 3-Itemset (F3)
Jumlah Transaksi mengandung A,B,C Support (A,B,C) = Total Transaksi Tabel 5. Support 3-Itemset (F3) KOMBINASI SUPPORT Teh, Gula, Kopi 10% Teh, Gula, Susu Gula, Susu, Kopi 20% Gula, Susu, Roti 0% Gula, Kopi, roti Kopi, Susu, Roti Misal aturannya : Supportnya harus >= 20% DSS - Wiji Setiyaningsih, M.Kom

12 2. PEMBENTUKAN ATURAN ASOSIASI
Menghitung nilai confidence yang memenuhi aturan support. Jumlah Transaksi mengandung A,B Confidence (A,B) = Jumlah Transaksi mengandung A Tabel 6. Confidence 2-Itemset (F2) RULE CONFIDENCE Teh  Gula 5/5 = 100% Gula  Kopi 3/8 = 37.5% Gula  Susu 4/8 = 50% Gula  Roti 2/8 = 25% Kopi  Susu 3/4 = 75% Susu  Roti 3/6 = 50% Misal aturannya : Confidencenya harus >= 35% DSS - Wiji Setiyaningsih, M.Kom

13 Tabel 7. Rule Final 2-Itemset (F2)
3. RULE ASOSIASI FINAL Mengalikan nilai support dan confidence, untuk items yang memenuhi aturan support dan confidence. Tabel 7. Rule Final 2-Itemset (F2) RULE SUPPORT CONFIDENCE FINAL Teh  Gula 50% 100% 50.0% Gula  Kopi 30% 37.5% 15.0% Gula  Susu 40% 20.0% Kopi  Susu 75% 22.5% Susu  Roti DSS - Wiji Setiyaningsih, M.Kom

14 Lakukan langkah 2 dan 3, untuk yang 3-itemset
DSS - Wiji Setiyaningsih, M.Kom