Data Mining (How to find information with Apriori Algorithm)

Berdasarkan pada tabel 1 dijelaskan tentang transaksi pada sebuah toko, yang terdiri dari beberapa transaksi dan beberapa konsumen. Transaksi terdiri dari atribut tanggal, dan nama dari setiap produk yang dibeli dengan jumlah barang yang dibeli. Berdasarkan redudansi diatas, atribut seperti transId, custId dan tanggal.

Untuk menyederhanakannya dan membuta sebuah denormalisasi data, maka kita harus melakukan tahapan data cleaning yang telah dijelaskan sebelumnya.  Dan dengan menentukan minimum support dan minimum confidence, misalnya 75 %, maka didapati kesimpulan bahwa dari 4 transaksi, pembelian pulpen dan tinta dilakukan secara bersamaan.

Perhatikan tabel dibawah ini :

Dengan mengasumsikan, Pulpen = a; Tinta = b; Susu = c; Jus = d; Air putih = e. dan dilakukan penyederhanaan maka didapati :

 

Setelah didapati data diatas maka, tabel disederhanakan dengan membuang item yang tidak memenuhi minimum support : 

 

Sedangkan, untuk minimum confidencenya, semuanya bernilai 100%, untuk item tunggal. Setelah itu baru kita buat kombinasi pembeliannya seperti tabel berikut dengan mengikuti mode transaksi diatas, dan dengan pengurangan terhadap item yang tidak memenuhi minimum support:

Selanjutnya kita menentukan minimum confidencenya,

Minimum confidence didapat dari perhitungan item dengan jumlah terkecil yang dibagi item dengan jumlah terbesar, kemudian dikalikan dengan 100%.

Contohnya : pada kombinasi a dan b, diketahui sebelumnya bahwa :

(kemunculan a pada keempat transaksi = 4) dan (kemunculan b pada keempat transaksi = 3)

            Maka minimum confidencenya =  3 / 4 * 100% = 75%

Maka dibuatlah tabel seperti berikut,

 

Berdasarkan tabel tersebut hanya kombinasi (a,b) dan (a,c), yang meemnuhi minimum support untuk dijadikan simpulan untuk pengambilan data secara apriori :

        -     Dari 4 transaksi, pulpen dan tinta selalu dibeli bersamaan

        -     Dari 4 transaksi, pulpen dan susu selalu dibeli bersamaan