Teknik Asosiasi pada Data Mining

Pengertian:

Teknik asosiasi adalah metode dalam data mining yang bertujuan mengekstrak aturan hubungan antar elemen dalam kumpulan data transaksi yang besar. Aturan ini berbentuk "jika X, maka Y" dan memberikan wawasan mengenai pola keterkaitan antara item yang sering muncul bersama. Dengan mengetahui pola tersebut, organisasi dapat membuat keputusan strategis seperti menata produk di toko atau merancang rekomendasi otomatis berdasarkan data nyata.  

Metrik Utama:

Dalam teknik asosiasi, terdapat tiga ukuran yang penting untuk menilai kekuatan suatu aturan:

• Dukungan (support): Persentase transaksi yang memuat item X dan Y sekaligus. Misalnya, apabila 30 persen dari semua transaksi berisi item Susu dan Sereal, maka nilai dukungan untuk aturan "Susu mengarah ke Sereal" adalah tiga puluh persen.

• Kepercayaan (confidence): Perbandingan antara banyaknya transaksi yang mengandung X dan Y dengan banyaknya transaksi yang hanya mengandung X. Angka ini menunjukkan probabilitas Y muncul apabila X sudah terjadi.

  

  Diagram Support vs Confidence 

• Penguatan (lift): Perbandingan antara kepercayaan aturan dan dukungan munculnya Y saja. Nilai penguatan lebih besar dari satu menandakan bahwa kemunculan X benar-benar meningkatkan kemungkinan munculnya Y, bukan hanya kebetulan.

Diagram Venn Market Basket 

Algoritma Populer:

Algoritma Apriori

Pertama, tentukan batas minimal dukungan yang akan diterima. Lalu ikuti langkah berikut:

1. Identifikasi semua elemen tunggal yang dukungannya memenuhi batas minimal.

2. Bentuk pasangan dua elemen dari elemen tunggal yang terpilih, hitung dukungannya, dan buang pasangan yang kurang populer.

3. Dari sisa pasangan tersebut, kembali bentuk kombinasi tiga elemen, cek dukungannya, dan buang yang tidak memenuhi.

4.