Algoritma Apriori

Algoritma Apriori adalah salah satu algoritma yang melakukan pencarian frequent
itemset dengan menggunakan teknik association rule (Erwin, 2009). Algoritma Apriori
menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk memproses
informasi selanutnya. !ada algoritma Apriori menentukan kandidat yang mungkin muncul
dengan cara memperhatikan minimum support dan minimum confidence. Support adalah nilai
pengunung atau persentase kombinasi sebuah item dalam database.
"umus support adalah sebagai berikut #
Support (A) $ (umlah transaksi mengandung A % &otal transaksi) ' (00) *. (()
+edangkan confidence adalah nilai kepastian yaitu kuatnya hubungan antar item dalam
sebuah Apriori. Confidence dapat dicari setelah pola frekuensi munculnya sebuah item
ditemukan. "umus untuk menghitung confidence adalah sebagai berikut #
,ontoh misalnya ditemukan aturan A- maka#
Confidence !(-.A) $
!roses utama yang dilakukan dalam algoritma Apriori untuk mendapat frequent itemset
yaitu (Erwin, 2009) #
(. Join (penggabungan)
!roses ini dilakukan dengan cara pengkombinasian item dengan item yang lainnya hingga
tidak dapat terbentuk kombinasi lagi.
2. Prune (pemangkasan)
!roses pemangkasan yaitu hasil dari item yang telah dikombinasikan kemudian dipangkas
dengan menggunakan minimum support yang telah ditentukan oleh user.
!rinsip dari Algoritma Apriori antara lain #
1) /engumpulkan item yang tunggal kemudian mencari item yang terbesar.
2) 0apatkan candidate pairs kemudian hitung large pairs dari masing1masing item.
3) &emukan candidate triplets dari setiap item dan seterusnya.
4) +etiap subset dari sebuah frequent itemset harus menadi frequent.
Tahapan Perhitungan Algoritma Apriori
****..**** (2)
1. &ahapan pertama dalam perhitungan Algoritma Apriori untuk menemukan association rules
yaitu menuliskan data transaksi yang teradi dalam periode tertentu. 0ata transaksi yang
dimisalkan yaitu seperti dalam tabel berikut #
Tabel 4.1 0aftar kunungan wisata
&ransaksi 2bek yang dikunungi
000( 3raton 4ogyakarta, 5embiraloka, !antai !arangtritis, 5oa ,ermai
0002 3raton 4ogyakarta
0006 3raton 4ogyakarta, 5embiraloka, 5oa ,ermai
0007 3raton 4ogyakarta, !antai !arangtritis, /useum -enteng 8redenburg
0009 3raton 4ogyakarta, /useum -enteng 8redenburg
000: 3raton 4ogyakarta, !antai !arangtritis, /useum -enteng 8redenburg
000; 3raton 4ogyakarta, 5embiraloka, !antai !arangtritis, /useum
-enteng 8redenburg
000< 3raton 4ogyakarta, 5embiraloka, !antai !arangtritis, 5oa ,ermai
0009 3raton 4ogyakarta, 5embiraloka, !antai !arangtritis, /useum
-enteng 8redenburg
00(0 3raton 4ogyakarta, !antai !arangtritis, /useum -enteng 8redenburg
2. &ahapan berikutnya adalah membuat tabel tabular untuk melakukan perhitungan umlah
kunungan di masing1masing obek wisata. &abular ini dapat dilihat pada &abel 2.(.
Tabel 2.1. &abulasi 3unungan =isata
>0
&ransaksi
3raton
4ogyakarta
5embiraloka
!antai
!arangtritis
/useum
-enteng
8redenburg
5oa ,ermai
000( ( ( 0 0 (
0002 ( 0 0 0 0
0006 ( ( 0 0 (
0007 ( 0 ( ( 0
0009 ( 0 0 ( 0
000: ( 0 ( ( 0
000; ( ( ( ( 0
000< ( ( ( 0 (
0009 ( ( ( ( 0
00(0 ( 0 ( ( 0
?umlah (0 9 : : 6
3. @angkah berikutnya adalah membuat kombinasi 2 itemsets pada setiap obek wisata dan
frekuensi masing1masing kombinasi dihitung sesuai dengan data tabular pada tabel. !ola
kombinasi yang didapatkan dapat dilihat pada tabel 2.2 #
Tabel 2.2. !ola 3ombinasi 2 >temsets
Pola Kombinasi 2 Itemsets Qty
3raton 4ogya A 5embiraloka 9
3raton 4ogya A !antai !arangtritis :
3raton yogya A /useum -enteng 8redenburg :
3raton 4ogya A 5oa ,ermai 6
5embiraloka A !antai !arangtritis 6
5embiraloka A /useum -enteng 8redenburg 2
5embiraloka A 5oa ,ermai 6
!antai !arangtritis A /useum -enteng 8redenburg 9
!antai !arangtritis A 5oa ,ermai (
/useum -enteng 8redenburg A 5oa ,ermai 0
4. +etelah frekuensi masing1masing itemsets ditemukan, langkah selanutnya menyeleksi
frekuensi yang lebih besar atau sama dengan batas minimal yang telah ditentukan. /isalnya
ditentukan batas minimal support B 6.
Tabel 2.3. +eleksi 3ombinasi >temsets
Pola Kombinasi 2 Itemsets Qty
3raton 4ogya A 5embiraloka 9
3raton 4ogya A !antai !arangtritis :
3raton yogya A /useum -enteng 8redenburg :
3raton 4ogya A 5oa ,ermai 6
5embiraloka A !antai !arangtritis 6
5embiraloka A /useum -enteng 8redenburg 2
5embiraloka A 5oa ,ermai 6
!antai !arangtritis A /useum -enteng 8redenburg 9
!antai !arangtritis A 5oa ,ermai (
/useum -enteng 8redenburg A 5oa ,ermai 0
5. &ahapan selanutnya adalah menganalisa tabel 2.6, terdapat beberapa baris yang diberi arsir,
garis tersebut adalah itemsets yang tidak memenuhi batas minimum dari umlah frekwensi
yang telah ditentukan. @angkah berikutnya adalah dengan membuat 6 itemset yang sesuai
dengan susunan kombinasi yang baru atau dapat dilihat dalam tabel 2.7 #
Tabel 2.4. ,alon 6 >temsets
Pola Kombinasi 2 Itemsets Qty
3raton 4ogya A 5embiraloka 9
3raton 4ogya A !antai !arangtritis :
3raton yogya A /useum -enteng 8redenburg :
3raton 4ogya A 5oa ,ermai 6
5embiraloka A !antai !arangtritis 6
5embiraloka A 5oa ,ermai 6
!antai !arangtritis A /useum -enteng 8redenburg 9
6. &abel kombinasi 2 itemsets pada table 2.7 adalah kombinasi yang memenuhi batas minimal
support. -erdasarkan tabel diatas maka tahap selanutnya adalah membuat kombinasi 6
itemsets seperti terlihat pada tabel 2.9 berikut #
Tabel 2.5. 3ombinasi 6 >temsets
Pola Kombinasi 3 Itemsets Qty
?ika ke 3raton ?oga dan ke 5embiraloka, maka ke !antai
!arangtritis
6
?ika ke 3raton ?oga dan ke 5embiraloka, maka ke /useum
-enteng 8redenburg
2
?ika 3e 3raton ?oga dan ke 5embiraloka, maka ke 5oa ,ermai 6
?ika ke 5embiraloka dan ke !antai !arangtritis maka ke /useum
-enteng 8redenburg
2
?ika ke 5embiraloka dan ke !antai !arangtritis, maka ke 5oa
,ermai
(
?ika ke !arangtritis dan ke /useum -enteng 8redenburg maka ke
5oa ,ermai
0
7. 3ombinasi 6 itemset yang memenuhi adalah kombinasi 3raton ?oga15embiraloka1!antai
!arangtritis dan kombinasi 3raton ?oga15embiraloka15oa 8redenburg karena kombinasi
tersebut memenuhi syarat support B 6. -erdasarkan tabel 2.9 maka persentase confidence
yang terbentuk adalah #
Tabel 2.6. !ersentase Confidence 3 itemsets
o Aturan !on"i#en$e
( ?ika ke 3raton ?oga dan 5embiraloka, maka ke !antai
!arangtritis
6%9 :0)
2 ?ika ke 3raton ?oga dan !antai !arangtritis, maka ke
5embiraloka
6%: 90)
6 ?ika ke !antai !arangtritis dan 5embiraloka, maka ke
3raton ?oga
6%6 (00)
7 ?ika ke 3raton ?oga dan 5embiraloka, maka ke 5oa
,ermai
6%9 :0)
9 ?ika ke 3raton ?oga dan 5oa ,ermai, maka ke
5embiraloka
6%6 (00)
: ?ika ke 5oa ,ermai dan 5embiraloka, maka ke 3raton
?oga
6%6 (00)
?umlah confidence dari pola kombinasi 2 itemsets yang memenuhi minimal support yaitu
terlihat dari tabel 2.; #
Tabel 2.7. +eleksi /inimum Confidence
o Pola Kombinasi 2 Itemsets Confidence
( ?ika ke 3raton 4ogya maka 5embiraloka
9%(0 90)
2 ?ika ke 5embiraloka maka ke 3raton 4ogya
9%9 (00)
6 ?ika ke 3raton 4ogya maka ke !antai !arangtritis
:%(0 :0)
7 ?ika ke !antai !arangtritis maka ke 3raton 4ogya
:%: (00)
9 ?ika ke 3raton 4ogya maka ke /useum -enteng
8redenburg
:%(0 :0)
: ?ika ke /useum -enteng 8redenburg maka ke 3raton
4ogya
:%: (00)
; ?ika ke 3raton 4ogya maka ke 5oa ,ermai
6%(0 60)
< ?ika ke 5oa ,ermai maka ke 3raton 4ogya
6%6 (00)
9 ?ika ke 5embiraloka maka ke !antai !arangtritis
6%9 :0)
(0 ?ika ke !antai !arangtritis maka ke 5embiraloka
6%: 90)
(( ?ika ke 5embiraloka maka ke 5oa ,ermai
6%9 :0)
(2 ?ika ke 5oa ,ermai maka ke5embiraloka
6%6 (00)
(6 ?ika ke !antai !arangtritis maka ke /useum -enteng
8redenburg
9%9 (00)
(7 ?ika ke /useum -enteng 8redenburg maka ke !antai
!arangtritis
9%: <6)
%. /isalkan ditetapkan nilai confidence minimal adalah :0) maka terlebih dahulu kita
menyeleksi umlah minimal confidence. 0ari tabel diatas maka dapat dihitung aturan asosiasi
finalnya, yaitu Support Confidence seperti pada tabel 2.< #
Tabel 2.%. Final Association ule
o Aturan Supp Conf
Support &
Confidence
(
?ika ke 5embiraloka maka ke 3raton
4ogya
90) (00) 90,0)
2
?ika ke 3raton 4ogya maka ke !antai
!arangtritis
:0) :0) 6:,0)
6
?ika ke !antai !arangtritis maka ke
3raton 4ogya
:0) (00) :0,0)
7
?ika ke 3raton 4ogya maka ke /useum
-enteng 8redenburg
:0) :0) 6:,0)
9
?ika ke /useum -enteng 8redenburg
maka ke 3raton 4ogya
:0) (00) :0,0)
:
?ika ke 5oa ,ermai maka ke 3raton
4ogya
60) (00) 60,0)
;
?ika ke 5embiraloka maka ke !antai
!arangtritis
60) :0) (<,0)
<
?ika ke 5embiraloka maka ke 5oa
,ermai
60) :0) (<,0)
9
?ika ke 5oa ,ermai maka
ke5embiraloka
60) (00) 60)
(0
?ika ke !antai !arangtritis maka ke
/useum -enteng 8redenburg
90) (00) 90,0)
((
?ika ke /useum -enteng 8redenburg
maka ke !antai !arangtritis
90) <6) 7(,9)
(6
?ika ke 3raton ?oga dan 5embiraloka,
maka ke 5oa ,ermai
90) :0) 60,0)
(7
?ika ke 3arton ?oga dan 5embiraloka
maka ke 5oa ,ermai
60) :0) (<)
&abel final association rule menelaskan tentang support dan confidence dari masing1masing
kombinasi 2 itemsets dan 6 itemsets. Casil perhitungan support pada table final association
rule didapatkan dari umlah kunungan dengan kombinasi obek A dan - dibagi dengan total
kunungan ke obek A. +edangkan confidence didapatkan dari umlah kunungan kombinasi
A dan - dibagi dengan total transaksi yang ada. Casil perkalian support dan confidence
itulah yang menadi hasil akhir dari algoritma apriori.
!ontoh Algoritma Apriori untu' Pen$arian Asso$iation (ule
/isalkan #
&>0 >temset
( A.html, ,.html, 0.html
2 -.html, ,.html, E.html
6 A.html, -.html, ,.html, E.html
7 -.html, E.html
/isalkan diinginkan minsup # 90) (2 dari 7 transaksi)
@angkah (#
@($Dlarge (1itemsetE
>temset +upport
A 90)
- ;9)
, ;9)
0 29)
E ;9)
@angkah 2# /encari kandidat itemset untuk @2#
2.( # 5abungkan itemset pada @( (algoritma apriori1gen)
D A -, A ,, A 0, A E, - ,, - 0, - E, , 0, , E, 0 EE
2.2 # Capus yang tidak ada dalam itemset
>temset D - 0, 0EE dihapus karena tidak ada dalam itemset
@angkah 6 # @angkah 7#
Citung support dari setiap kandidat itemset @2 D large 21itemsetE
>temset +upport
A - 29 ) >temset +upport
A , 90 ) A , 90 )
A 0 29 ) - , 90)
A E 29) - E ;9)
- , 90) , E 90)
- E ;9)
, 0 29)
, E 90)
)ang'ah 5 * +langi lang'ah 2,4
9.( # 5abungkan itemset pada @2 F @2#
>temset Casil 5abungan (6 itemset)
A , G - , A , -
A , G - E A , -, A , E, A - E
A , G , E A , E
- , G - E - , E
- , G , E - , E
- E G , E - , E
9. 2 # Capus yang tidak ada dalam itemset # D A , E E
)ang'ah 6 * -itung support #ari setiap 'an#i#at itemset )3
>temset +upport
A - , 29 )
A - E 29 )
- , E 90 )
)ang'ah 7 * )3 . large 3,itemset / . 0 ! 1/
)ang'ah % * 2T3P 'arena su#ah ti#a' a#a lagi 'an#i#at untu' 4,itemset.
0ari hasil A hasil diatas hasil akhir sebagai berikut#
@( @2 @6
A 90) A , 90) - , E 90)
- ;9) - , 90)
, ;9) - E ;9)
0 29) , E 90)
E ;9)
Hntuk mencari aturan asosiasi diperlukan uga minconf
/isal minconf # ;9 ), aturan asosiasi yang mungkin terbentuk#
Aturan (I 4) +up(I 4) +up(I) ,onfidence
0 ! 1 545 545 1445
- E , 90) ;9) ::.:;)
! 1 0 545 545 1445
A ! 545 545 144 5
, A 90) ;9) ::.:;)
- , 90) ;9) ::.:;)
, - 90) ;9) ::.:;)
0 1 755 755 1445
1 0 755 755 1445
, E 90) ;9) ::.:;)
E , 90) ;9) ::.:;)