66
adalah suatu algoritma yang digunakan untuk mining frequent itemset
menggunakan
aturan asosiasi boolean.
Barik
et al. (2010:52)
mengatakan bahwa Rakesh Agrawal dan Ramakrishnan Srikant
dari
IBM Almaden Research Center
pada tahun 1993
mengembangkan
suatu algoritma penghasil association rules, yang disebut Apriori.
Apriori property
adalah semua subset
yang tidak kosong dari
sebuah frequent itemset
juga harus menjadi frequent
(Han dan
Kamber, 2006:235).
Jika sebuah itemset I tidak memenuhi minimum
support threshold (min_sup), maka itemset I tidak frequent. Jika
sebuah item A ditambahkan pada itemset I tersebut dan hasil dari
itemset itu tidak lebih frequent
dari itemset I, maka
juga tidak
frequent.
Algoritma Apriori terdiri dari dua langkah sebagai berikut:
1.
Menemukan semua frequent itemsets (large itemsets)
Subset
dari frequent itemset
juga harus menjadi frequent itemset.
Jika {A, B} adalah frequent itemset, maka {A} dan {B} harus
menjadi frequent itemset. Selain itu, frequent itemsets
harus
ditemukan secara berulang dari 1 sampai k (k-itemset).
2.
Menggunakan frequent itemsets
untuk menghasilkan association
rules
Gambar 2.24 Metode Algoritma Apriori
(Sumber: Introduction to Data Mining – Tan et al., 2006)
 |