Association rule with frequent pattern growth algorithm for frequent item sets mining

Wisaeng, Kittipol

doi:10.12988/ams.2014.46432

Cited by 3 publications

(4 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Beberapa studi telah dilakukan oleh peneliti dalam proses analisis keranjang pasar menggunakan metode komputasi, antara lain algoritma Apriori [4] dan algoritma FP-Growth [5].…”

Section: Pendahuluanunclassified

Implementasi Algoritma Fp-Growth Untuk Menemukan Pola Pembelian Konsumen Pada Analisis Keranjang Pasar

Prahartiwi

2022

IJIS

View full text Add to dashboard Cite

Analisis keranjang pasar adalah teknik dalam data mining yang biasanya digunakan untuk memprediksi perilaku pembelian pelanggan dan memprediksi produk apa yang diminati pelanggan. Tujuan utama analisis keranjang pasar yaitu memberikan informasi kepada pengecer untuk memahami perilaku pembelian dari pembeli, yang dapat membantu pengecer dalam pengambilan keputusan yang benar. Analisis keranjang pasar dapat dilakukan melalui pengetahuan Association Rule Mining. Association Rule Mining merupakan proses untuk menemukan hubungan antara item atau item set. Selama ini banyak perusahaan retail yang dalam menata produk-produknya dengan mengelompokan berdasarkan jenisnya saja. Misalnya, produk roti diletakan pada etalase khusus roti dan berdekatan dengan kue-kue lainnya. Padahal, kemungkinan besar jika konsumen membeli roti, konsumen tersebut juga akan membeli susu. Penelitian ini menggunakan dataset transaksi Online Retail II. Dataset terdiri dari 216 atribut yang diambil berdasarkan customer yang berasal dari negara Jepang. Pengolahan data dengan menerapkan algoritma FP-Growth dan menggunakan tools Rapid Miner Studio. Hasil eksperimen diperoleh aturan asosiasi sebanyak 324 rules dan frequent itemset yang dihasilkan berupa kombinasi produk Lunch Bag Dolly Girl Design-Red Spotty Biscuit Tin. Kekuatan korelasi atau lift ratio yang didapat oleh kombinasi Lunch Bag Dolly Girl Design-Red Spotty Biscuit Tin adalah sebesar 3,429Kata Kunci: Analisis Keranjang Pasar; Association Rule Mining; FP-Growth

show abstract

“…Beberapa studi telah dilakukan oleh peneliti dalam proses analisis keranjang pasar menggunakan metode komputasi, antara lain algoritma Apriori [4] dan algoritma FP-Growth [5].…”

Section: Pendahuluanunclassified

Implementasi Algoritma Fp-Growth Untuk Menemukan Pola Pembelian Konsumen Pada Analisis Keranjang Pasar

Prahartiwi

2022

IJIS

View full text Add to dashboard Cite

show abstract

“…Association rule merupakan hubungan asosiasi dari bentuk X⇒Y, dimana X ⊂ I, Y ⊂ I, dan X ∩ Y = ⌀. Support dari rule X dan Y disebut antecendent (LHS: left hand side) dan consequent (RHS: right hand side) dari rule [Wisaeng, 2014]. Kekuatan association rule dapat diukur dengan Support dan Confidence.…”

Section: Pendahuluanunclassified

“…Kekuatan association rule dapat diukur dengan Support dan Confidence. Support menentukan seberapa sering rule berlaku dalam dataset, sedangkan confidence menentukan seberapa sering item Y muncul dalam transaksi yang mengandung item X [Wisaeng, 2014]. Definisi formal dari Support, Confidence dan Lift ratio dijabarkan pada persamaan (1), persamaan (2) dan persamaan (3) [Wisaeng, 2014].…”

Section: Pendahuluanunclassified

“…Data yang digunakan pada penelitian ini merupakan data sekunder. Data sekunder yang digunakan adalah dataset Supermarket seperti yang telah digunakan oleh [Wisaeng, 2014]. Dataset Supermarket terdiri dari 12 atribut ((Receipt_id, desserts, meats, paper_goods, juices, frozen_foods, snack_foods, canned_goods, beer_wine_spirits,breads, dairys, produces) dan terdiri dari 108.131 transaksi.…”

Section: Gambar 2 Metode Penelitianunclassified

See 1 more Smart Citation

Algoritma Apriori untuk Pencarian Frequent itemset dalam Association Rule Mining

Prahartiwi

Dari

2019

PIKSEL

View full text Add to dashboard Cite

Abstract Over decades, retail chains and department stores have been selling their products without using the transactional data generated by their sales as a source of knowledge. Abundant data availability, the need for information (or knowledge) as a support for decision making to create business solutions, and infrastructure support in the field of information technology are the embryos of the birth of data mining technology. Association rule mining is a data mining method used to extract useful patterns between data items. In this research, the Apriori algorithm was applied to find frequent itemset in association rule mining. Data processing using Tanagra tools. The dataset used was the Supermarket dataset consisting of 12 attributes and 108.131 transaction. The experimental results obtained by association rules or rules from the combination of item-sets beer wine spirit-frozen foods and snack foods as a Frequent itemset with a support value of 15.489% and a confidence value of 83.719%. Lift ratio value obtained was 2.47766 which means that there were some benefits from the association rule or rules. Keywords: Apriori, Association Rule Mining. Abstrak Selama beberapa dekade rantai ritel dan department store telah menjual produk mereka tanpa menggunakan data transaksional yang dihasilkan oleh penjualan mereka sebagai sumber pengetahuan. Ketersediaan data yang melimpah, kebutuhan akan informasi (atau pengetahuan) sebagai pendukung pengambilan keputusan untuk membuat solusi bisnis, dan dukungan infrastruktur di bidang teknologi informasi merupakan cikal-bakal dari lahirnya teknologi data mining. Data mining menemukan pola yang menarik dari database seperti association rule, correlations, sequences, classifier dan masih banyak lagi yang mana association rule adalah salah satu masalah yang paling popular. Association rule mining merupakan metode data mining yang digunakan untuk mengekstrasi pola yang bermanfaat di antara data barang. Pada penelitian ini diterapkan algoritma Apriori untuk pencarian frequent itemset dalam association rule mining. Pengolahan data menggunakan tools Tanagra. Dataset yang digunakan adalah dataset Supermarket yang terdiri dari 12 atribut dan 108.131 transaksi. Hasil eksperimen diperoleh aturan asosiasi atau rules dari kombinasi itemsets beer wine spirit-frozen foods dan snack foods sebagai Frequent itemset dengan nilai support sebesar 15,489% dan nilai confidence sebesar 83,719%. Nilai Lift ratio yang diperoleh sebesar 2,47766 yang artinya terdapat manfaat dari aturan asosiasi atau rules tersebut. Kata kunci: Apriori, Association rule mining

show abstract

Application of the Association Rule in Online Stores Using Apriori Algorithm for Product Recommendations at Promotional Events

Fajrianti,

Prabowo,

Nurmalasari

et al. 2023

2023 9th International Conference on Wireless and Telematics (ICWT)

View full text Add to dashboard Cite

Association rule with frequent pattern growth algorithm for frequent item sets mining

Cited by 3 publications

References 10 publications

Implementasi Algoritma Fp-Growth Untuk Menemukan Pola Pembelian Konsumen Pada Analisis Keranjang Pasar

Implementasi Algoritma Fp-Growth Untuk Menemukan Pola Pembelian Konsumen Pada Analisis Keranjang Pasar

Algoritma Apriori untuk Pencarian Frequent itemset dalam Association Rule Mining

Application of the Association Rule in Online Stores Using Apriori Algorithm for Product Recommendations at Promotional Events

Contact Info

Product

Resources

About