Algoritma Frequent Pattern (Data Mining)

Pemaparan rangkuman perkuliahan data mining tanggal 22 September 2022

Dengan menggunakan Data Mining data dapat lebih dioptimalkan pemanfaatannya yaitu dengan mencari informasi yang tersembunyi dan jarang diketahui. Salah satu fungsi Data Mining adalah Association Rule, yaitu fungsi untuk mencari informasi berupa asosiasi atau hubungan antar item dalam suatu data transaksi dan menampilkannya dalam bentuk pola yang menjelaskan tentang pola beli konsumen dalam berbelanja. Pengetahuan mengenai pola inilah yang nantinya bisa menjadi pedoman untuk meningkatkan keunggulan dalam persaingan bisnis retail dengan cara mengoptimalkan tata letak barang yang sesuai dengan pola beli konsumen sehingga dapat meningkatkan kenyamanan konsumen dalam berbelanja. Suatu pola ditentukan oleh dua parameter, yaitu Support dan Confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan Confidence (nilai kepastian) adalah kuatnya hubungan antar item dalam aturan asosiasi.

Algoritma Frequent Pattern Growth atau FP-Growth, algortima ini mengadopsi teknik Divide and Conguer, langkah pertama, algortima ini memadatkan database yang mewakili frequent itemset (data yang paling sering muncul) kedalam Frequent Pattern Tree atau FPTree yang menyimpan informasi hubungan antar tiap itemset. Kemudian membagi database yang telah dipadatkan kedalam sekumpulan conditional database, masing-masing conditional database terhubung dengan satu frequent item dan pencarian informasi dilakukan secara terpisah