ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA FP-GROWTH

ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA  FP-GROWTH  UNTUK MARKET BASKET ANALYSIS

Assosiation Rule
merupakan suatu proses untuk menemukan semua aturan assosiatif yangmemenuhi syarat minimum untuk support (minsup) dan syarat minimum untuk  confidence(minconf) pada sebuah database.
Dalam menentukan suatu Association Rule umumnya terdapat dua ukuran kepercayaaninterestingness measure ), yaitu support dan confidence . Kedua ukuran ini akan digunakan untuk interesting association rules dengan dibandingkan dengan batasan yang telah ditentukan. Batasaninilah yang terdiri dari
minsup dan minconf. Assosiation Rule Mining adalah suatu prosedur untuk mencari hubungan antar
item dalamsuatu dataset. Dimulai denganmencari frequent itemset, yaitu kombinasi yang paling sering terjadidalam suatu itemset  dan harus memenuhi minimum support.Dalam tahap ini akan dicari kombinasi item yang memnuhi syarat minimum dari nilai support dalam database.
Untuk mendapatkan nilai support untuk sebuah item A dapat diperoleh darirumus berikut :
Support (A) = Jumlah transaksi yang
mengandung item ATotal transaksi
Sementara itu, untuk mencari nilai support  dari 2-itemdapat diperoleh dari rumus berikut :
Support 
(A,B) = P (A ∩ B) =Jumlah transaksi yang mengandung A dan BTotal transaksi
Setelah semua frequent item dan Large itemset ditemukan, dapat dicari semua Association Rules
yang memenuhi syarat minimum untuk  confidence (minconf) dengan menggunakan rumusberikut ini :
Confidence (AB) = P (B|A) = Jumlah transaksi yang mengandung A dan B Jumlah transaksi yang mengandung A
Market Basket Analysis
adalah salah satu teknik pemodelan dalam data mining berdasarkanteori yang mana jika anda membeli suatu grup item, anda akan memiliki kemungkinan membeli itemset  yang lain(data mining concept and technique , Jiawei Han).MarketBasket berdasarkan kumpulan item yang dibeli oleh konsumen dalam sebuahtransaksi. Dalam hal ini, kuantitas dari sebuah item yang dibeli konsumen tidak mempengaruhiproses analisis ini.Market Basket Analysis hanya berdasarkan tipe-tipe item yang berbeda,tidak peduli seberapa banyak kuantitasnya. Dalam Market Basket Analysis akan dianalisis akumulasikumpulan transaksi dari sejumlah besar konsumen dalam periode waktu yang telah berlangsung.Proses ini menganalisis buying habits dari para konsumen dengan menemukan hubunganassosiasi antar item-item yang berbeda yang seringkali dibeli oleh konsumen. Hasil dari prosesanalisis ini nantinya akan sangat berguna bagi perusahaan retail khususnya seperti toko swalayandan supermarket untuk mengembangkan strategi pemasaran dan proses pengambilan keputusandengan melihat item-itemberbeda yang sering dibeli secara bersamaan oleh konsumen dalam satuwaktu.Beberapa kombinasi item yang sering dibeli konsumen memang terkadang sangat mudahuntuk ditebak, contohnya seringkali konsumen membeli susu bayi dan popok secara bersamaan.Pola ini sangat biasa terjadi dan mudah ditebak karena susu bayi dan popok memiliki hubunganyang sangat dekat. Namun terkadang pola seperti deterjen dan telur jarang terfikirkan karenadeterjen dan telur tidak mempunyai hubungan sama sekali. Melalui Market Basket Analysis,pola-pola yang terkadang tidak terfikirkan ini dapat ditemukan dengan mudah sehingga akan membantupengambilan keputusan dan proses pengembangan strategi bagi perusahaan retail.Masalah-masalah seperti kehabisan stok akan diminimalisir dengan diketahuinya pola pembelian konsumenmelalui Market Basket Analysis sehingga dapat meningkatkan penjualan perusahaan tersebut
Algoritma FP-Growthmerupakan salah satualternatif algoritma yang cukup efektif untuk mencari himpunan data yang paling sering muncul (frequent itemset) dalam sebuah kumpulan data  yang besar. Algoritma FP-Growth merupakan algoritma Association Rules yang cukup seringdipakai. Algoritma FP-Growth ini dikembangkan dari algoritma apriori.Algoritma apriorimenghasilkan kombinasi yang sangat banyak sehingga sangat tidak efisien. Algoritma FP-Growth ini merupakan salah satu solusi dari algoritma apriori yang memakan waktu yang sangat lamakarena harus melakukan pattern matching yang secara berulang-ulang. Sedangkan dalam prosesAlgoritma FP-Growth terdapat banyak kelebihan yang terbukti sangat efisien karena hanyadilakukan pemetaan data atau scandatabase sebanyak 2 kali untuk membangun struktur ” tree”.Maka dari itu, Algoritma FP-Growth dikenal juga dengan sebutan algoritma FP-Tree. Denganmenggunakan struktur FP Tree,algoritma FP-Growth dapat langsung mengekstrak frequent itemset dari susunan FP-Tree yang telah terbentuk
Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s