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 selanjutnya. Pada algoritma Apriori  menentukan kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan minimum confidence. Support adalah nilai pengunjung atau persentase kombinasi sebuah item dalam database.

Rumus support adalah sebagai berikut :

 

Support (A) = (jumlah transaksi mengandung A / Total transaksi) x 100% …. (1)

 

Sedangkan confidence adalah nilai kepastian yaitu kuatnya hubungan antar item dalam sebuah Apriori. Confidence dapat dicari setelah pola frekuensi munculnya sebuah item ditemukan. Rumus untuk menghitung confidence adalah sebagai berikut :

Contoh misalnya ditemukan aturan AàB maka:

Confidence P(B|A) =  total transaksi mengandung A dan B/ transaksi mengandung A

Proses utama yang dilakukan dalam algoritma Apriori untuk mendapat frequent itemset yaitu (Erwin, 2009) :

1.       Join (penggabungan)

Proses ini dilakukan dengan cara pengkombinasian item dengan item yang lainnya hingga tidak dapat terbentuk kombinasi lagi.

2.       Prune (pemangkasan)

Proses pemangkasan yaitu hasil dari item yang telah dikombinasikan kemudian dipangkas dengan menggunakan minimum support yang telah ditentukan oleh user.

  

Prinsip dari Algoritma Apriori antara lain :

1)    Mengumpulkan item yang tunggal kemudian mencari item yang terbesar.

2)    Dapatkan candidate pairs kemudian       hitung large pairs dari masing-masing item.

3)    Temukan candidate triplets dari setiap item dan seterusnya.

4)    Setiap subset dari sebuah frequent itemset harus menjadi frequent.

untuk contohnya akan diusahakan di post selanjutnya.. jadi ditunggu ya.. :3