Metode Association Analysis

Association analysis didefinisikan sebagai suatu proses untuk menemukan semua association rule yang memenuhi syarat minimum support dan syarat minimum confidence.

Untuk bisa mengerti tentang association analysis, akan lebih mudah jika kita membuat contoh. Sebagai contoh database dari transaksi belanja yang ada pada minimarket “Barokah” pada tabel di samping.

Untuk kasus ini kita menggunakan minimum support 30%

Kemudian didapat kombinasi item yang memenuhi syarat minimum support seperti tabel di samping.

Setelah itu kita akan lebih mudah dalam mencari association rule yang memenuhi minimum confidence. Misalkan kita menggunakan minimum confidence 50%, maka salah satu association rule yang ditemukan adalah:

(roti,susu)->(popok) yang memiliki nilai confidence =

Bentuk Dasar Association Rule

Ada beberapa simbol yang akan membantu untuk menerapkan association rule, yaitu:

Association rule: implikasi yang dimisalkan dengan bentuk X -> Y, dimana X dan Y saling disjoin (X ⋂ Y)

Support count(σ(X)): jumlah transaksi yang memuat itemset tertentu

Support (s(X->Y)): tingkat intensitas kemunculan gabungan rule(X U Y) pada association rule pada seluruh data set

Confidence(c(X->Y)): tingkat intensitas kemunculan item Y pada transaksi yang memuat X

Rumus support dan confidence:

Kegunaan dari support itu sendiri adalah untuk mengukur tingkat intensitas kemunculan suatu rule, dimana jika support yang dimiliki rendah, maka akan besar kemungkinan rendah juga tingkat keuntungan yang didapatkan dari item-item yang ada pada rule tersebut.

Sedangkan kegunaan dari confidence adalah untuk mengukur tingkat kebenaran(reability) dari kesimpulan yang diambil oleh rule yang dibuat. Pada implikasi X->Y, jika nilai confidence rendah maka kemungkinan munculnya Y yang memuat X semakin rendah pula.

Association Rule

Pengantar

Pada pengenalan pola terdapat beberapa pokok bahasan yang bermacam-macam. Salah satu dari pokok bahasan yang diangkat adalah persoalan penambangan pola data, atau biasa disebut dengan data mining.

Penambangan Frequent Closed Itemset adalah salah satu dari permasalahan-permasalahan yang ada pada data mining. Permasalahan ini memiliki banyak penerapan, salah satunya adalah penambangan association rule atau aturan asosiasi.

Pada penambangan association rule, sering mencontohkan market basket analysis atau transaction analysis sebagai studi kasusnya. Market basket analysis digunakan untuk mencari kelompok item yang kemungkinan terjadi bersama dalam sebuah transaksi. Misalkan kita ambil contoh pada sebuah minimarket menjual beberapa macam barang(item) sebagai berikut:

Dengan metode aturan asosiasi, dari contoh di atas maka kita akan mencoba menganalisa bagaimana kemungkinan perilaku konsumen di saat membeli barang-barang yang tersedia pada minimarket tersebut. Apakah konsumen yang membeli roti secara bersamaan akan membeli susu? Apakah konsumen yang membeli susu dan roti secara bersamaan akan membeli popok?