Analisis Keranjang Belanja dengan Algoritma Apriori Klasik pada Data Mining
DOI:
https://doi.org/10.31599/jki.v20i1.70Keywords:
apriori algorithm, frequent item set, market basket analysis, association ruleAbstract
Association Rule Mining is an area of data mining that focus on pruning candidate keys, to find frequent item set. For example, a set of items, such as milk and bread, that appear frequently together in a transaction data set is a frequent itemset. A subsequence, such as buying first PC, then a digital camera, and then a memory card, if it occurs frequently in a shopping history database, is a (frequent) sequential pattern, also knwon as market basket analysis. This paper describes the step by step classical apriori on market basket analysis.
Keywords: apriori algorithm, frequent item set, market basket analysis, association rule
Abstrak
Penambangan Aturan Asosiasi adalah area data mining yang fokus pada pemangkasan kunci kandidat, untuk menemukan frequent itemset. Sebagai contoh, satu set item, misalnya susu dan roti, yang muncul sering bersama-sama di set data transaksi adalah frequent itemset. Berikutnya, pelanggan, misalnya membeli PC dahulu, lalu kamera digital, lalu kartu memori, jika ini sering terjadi dalam riwayat basisdata belanja, adalah pola sekuensial berurutan (sering), juga dikenal sebagai analisis keranjang belanja. Tulisan ini menjelaskan langkah demi langkah algoritma apriori klasik pada analisis keranjang belanja.
Kata kunci: algoritma apriori, frequent itemset, analisis keranjang belanja, aturan asosiasi