Implementasi Algoritma Apriori untuk Menemukan Frequent Itemset dalam Keranjang Belanja

  • Adie Wahyudi Oktavia Gama
  • I Ketut Gede Darma Putra Teknologi Informasi
  • I Putu Agung Bayupati Teknologi Informasi

Abstract

Algoritma apriori menggunakan pendekatan iteratif dimana k-itemset digunakan untuk mengeksplorasi (k+1)-itemset. Calon (k+1)-itemset yang mengandung frekuensi subset yang jarang muncul atau dibawah threshold akan dipangkas dan tidak dipakai menentukan aturan asosiasi. Aturan asosiasi berbentuk if antecedent then consequent. Implementasi algoritma apriori didahului dengan persiapan database transaksi serta penentuan batas minimum support dan confidence. Algoritma apriori akan menemukan kombinasi dengan cara iterasi yaitu scaning database berulang-ulang, memasangkan satu item dengan item lainnya dan mencatat jumlah kemunculan kombinasi dalam keseluruhan transaksi. Frequent itemset ditentukan dengan memilih itemset yang nilai kemuculannya diatas atau sama dengan nilai minimum support dan kemudian menjadi calon aturan asosiasi. Persentase nilai support dan confidence dari masing-masing calon aturan asosiasi kemudian dihitung. Aturan asosiasi yang berlaku dipilih dari yang memenuhi syarat minimum support dan confidence. Penelitian ini membuktikan bahwa algoritma apriori cocok diimplementasikan untuk mencari frequent itemset pada keranjang belanja. Aturan asosiasi yang dibentuk dari frequent itemset tersebut dapat dipakai sebagai pendukung keputusan dalam penjualan.

Downloads

Download data is not yet available.

Author Biographies

I Ketut Gede Darma Putra, Teknologi Informasi
Teknologi Informasi
I Putu Agung Bayupati, Teknologi Informasi
Teknologi Informasi

References

[1]. Han, J. & Kamber, M. 2006. Data Mining Concept and Techniques, second edition. USA: Elsevier, Inc.
[2]. Tan, P.N., et al. 2004. Introduction to Data Mining. USA: Addison-Wesley
[3]. Agrawal R., et al. 1993. Mining Association Rules between Sets of Items in Large Databases. Proceedings of the 1993 ACM SIGMOD Conference Washington DC, USA.
[4]. Agrawal, R. & Srikant, R. 1994. Fast Algorithm for Mining Association Rules. Proceeding of the 20th VLDB Conference Santiago, Chile.
[5]. Wikipedia. 2016. Kombinasi dan Permutasi. Available at https://id.wikipedia.org/wiki/Kombinasi_dan_permutasi. Acces date on January 5th, 2016.
[6]. Suresh, J., Ramanjaneyulu, T. 2013. Mining Frequent Itemsets Using Apriori Algorithm. International Journal of Computer Trends and Technology.
[7]. Abaya, S.A. 2012. Association Rule Mining based on Apriori Algorithm in Minimizing Candidate Generation. International Journal of Scientific & Engineering Research.
[8]. Yabing, J. 2013. Research of an Improved Apriori Algorithm in Data Mining Association Rules. International Journal of Computer and Communication Engineering.
[9]. Singh, J., et al. 2013. Improving Efficiency of Apriori Algorithm Using Transaction Reduction. International Juornal of Scientific and Research Publication.
Published
2016-12-04
How to Cite
GAMA, Adie Wahyudi Oktavia; PUTRA, I Ketut Gede Darma; BAYUPATI, I Putu Agung. Implementasi Algoritma Apriori untuk Menemukan Frequent Itemset dalam Keranjang Belanja. Majalah Ilmiah Teknologi Elektro, [S.l.], v. 15, n. 2, p. 21-26, dec. 2016. ISSN 2503-2372. Available at: <https://ojs.unud.ac.id/index.php/mite/article/view/ID19726>. Date accessed: 19 nov. 2024.

Keywords

Data Mining, Association Rules, Apriori Algorithm, Frequent Itemset, Item Combination, Shopping Cart