69
Gambar 2.25
menunjukkan struktur dari FP-Tree
setelah membaca tiga transaksi pertama dan sebuah data
set
yang berisi sepuluh transaksi dan lima
item. Langkah-
langkah untuk membangun FP-Tree sebagai berikut.
1.
Data set
dianalisis
untuk menentukan support count
dari setiap item. Infrequent item
dibuang, sebaliknya
frequent item diurutkan secara decreasing berdasarkan
support count. Pada
gambar 2.25, urutannya adalah a,
b, c, d, dan e.
2.
Setelah membaca transaksi pertama, {a, b}, node a dan
b dibuat. Path
dibuat dari null ? a ? b untuk
melakukan encode transaksi. Setiap node yang
melewati path ini mempunyai perhitungan frekuensi
sebanyak satu.
3.
Setelah membaca transaksi kedua, {b, c, d}, node
b,
c, dan d dibuat. Path dibuat dari null?b?c?d untuk
melakukan encode transaksi.
Setiap node yang
melewati path ini mempunyai perhitungan frekuensi
sebanyak satu. Walaupun node b terdapat pada
transaksi pertama dan transaksi kedua, path-nya tidak
tergabung karena tidak memiliki prefix yang mirip.
4.
Transaksi ketiga, {a, c, d, e}, memiliki prefix
yang
mirip dengan transaksi pertama. Oleh karena itu, path
untuk transaksi ketiga, null?a?c?d?e, tumpang
tindih dengan path
transaksi pertama. Perhitungan
frekuensi pada node
a menjadi dua, sedangkan
perhitungan frekuensi node c, d, dan e adalah satu.
5.
Proses ini dilanjutkan sampai semua transaksi di-
mapping ke dalam path.
2.1.17.2
Frequent Itemset
Menurut Tan et al.
(2006: 366), frequent itemset
adalah hasil yang didapat dari algoritma
FP-Growth
dengan memeriksa FP-Tree
menggunakan bottom-up.
 |