Ada 3 algoritma yang sering dipakai dalam menerapkan teknik asosiasi untuk mencari pola berupa frequent itemset disekumpulan data yaitu :
- Apriori : a candidate generation and test approach
- FPGrowth : a frequent pattern growth approach
- Eclat : frequent pattern mining with vertical data format
Disini akan dibahas algoritma apriori, bagiamana teknik apriori ini diterapkan. Dis ini dikenal istilahnya dengan melakukan mengeneralisasi kandidat. Jadi, sebelum dibuatkan rulenya dicari terlebih dahulu kandidat rulenya kemudian dilakukan tes approach terhadap kandidat itu.
Sebelum kita lihat jalannya dari algoritma apriori disini diperkenalkan salah satu prinsip yaitu dikenal dengan apriori prunning principle. Agrawal dan srikan menyajikan sama manila pada tahun 1994 yaitu apriori prunning principle"jika ada sebuah itemset yang tidak frequent artinya minimum support itu dibawah minimum confidence maka supersetnya itu tidak akan degenerate dimana tidak akan menjadi calon kandidat".
Metode apriori dalam melakukan kandidat generation dan tes approach yaitu :
- Melakukan scan DB dengan satu frequent itemset kemudian dia akan menggenerate length (k+1) kandidat itemset from length k frequent itemset.
- Kemudian dia kana melakukan tes kandidat di database dan seterusnya hingga beberpa jadi akan diterima ketika tidak ada lagi frequent.
- Akan diterima ketika tidak ada lagi frequent dimana ini tidak ada lagi itemset atau kandidat yang frequent.
Sekian dan terima kasih.
