Implementasi Algoritma Apriori dalam Data Mining

Untuk memahami Algoritma Apriori seyogyanya perlu memahami istilah Algortima dan Apriori.

Algoritma merupakan sekumpulan instruksi yang terstruktur dan terbatas yang diimplementasikan ke dalam bentuk program komputer untuk menyelesaikan suatu masalah komputasi tertentu. Dalam matematika dan ilmu komputer, algoritma adalah prosedur langkah-demi-langkah untuk penghitungan.

Sedangkan, Apriori adalah pengetahuan yang ada sebelum bertemu dengan pengalaman. Atau dengan kata lain, sebuah istilah yang dipakai untuk menjelaskan bahwa seseorang dapat berpikir dan memiliki asumsi tentang segala sesuatu, sebelum bertemu dengan pengalaman dan akhirnya mengambil kesimpulan.

Algoritma Apriori adalah suatu metode untuk mencari pola hubungan antar satu atau lebih item dalam suatu dataset. Algoritma apriori banyak digunakan pada data transaksi atau biasa disebut market basket, misalnya suatu toko memiliki market basket, dengan algoritma apriori, pemilik toko dapat mengetahui pola pembelian konsumen, misal terdapat pembelian konsumen dengan item A , B, memiliki kemungkinan 50% akan membeli item C, pola ini sangat signifikan berdasar market basket selama ini.

Ketika pola pembelian konsumen diketahui, maka pemilik toko dapat melakukan penjualan dengan sistem paket/bundling terutama untuk barang yang slow moving (jarang laku).

Terdapat beberapa istilah untuk melakukan Algoritma Apriori, yaitu Itemset, K-itemset, Frequent Support dan Candidate Itemset.

1. Itemset adalah sekumpulan item item dalam sebuah keranjang (Support)

2. K-itemset adalah itemset yang berisi K item, misalnya beras,telur,minyak adalah 3-itemset.

3. Frequent Support (FS) adalah k-itemset yang dimiliki oleh support dimana frequent k-itemset yang dimiliki diatas minimum support atau memenuhi minimum support (dinotasikan sebagai Fi).

4. Candidat Itemset (CI)adalah frequent itemset yang dikombinasikan dari K-itemset sebelumnya.