Implementasi Algoritma Apriori untuk Menemukan Frequent Itemset dalam Keranjang Belanja
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.
KEYWORDS: Data Mining,
Association Rules, Apriori Algorithm, Frequent Itemset, Item Combination,
Shopping Cart
Penulis: Adie Wahyudi Oktavia
Gama, I Ketut Gede Darma Putra
Kode Jurnal: jptlisetrodd160302
