72
4)
Untuk menemukan frequent itemset yang berakhir
di de, kumpulkan prefix path
untuk d dari
conditional tree untuk e (Gambar 2.27(c)). Support
count
untuk de didapatkan dengan menambahkan
perhitungan frekuensi yang berhubungan dengan
node
d. Support count
untuk de adalah dua, maka
{d,e} adalah frequent itemset. Conditional FP-Tree
untuk de terdapat pada gambar 2.27(d). Karena
conditional FP-Tree
hanya mengandung a, yang
support-nya sama dengan
minsup, algoritma
mengekstrak frequent itemset {a, d, e}. Setelah itu,
algoritma akan mencari frequent itemset
yang
berakhir di ce. Setelah melakukan pemprosesan
pada prefix path untuk c, hanya {c, e} yang
ditemukan frequent. Kemudian algoritma
melanjutkan ke
subprogram berikutnya dan
menemukan {a, e} adalah frequent itemset
yang
tersisa.
2.1.18
Tanimoto Coefficient Similarity
Menurut Owen et al.
(2012:54), Tanimoto coefficient
adalah
perbandingan ukuran antara
intersection
dua barang
yang disukai
pengguna dengan union kedua barang tersebut.
Tanimoto coefficient
similarity
ini memiliki beberapa nama lain, seperti Jaccard coeffient
similarity, Jaccard binary similarity measure, Jaccard-Tanimoto
coeffient similarity, Jaccard-Tanimoto binary similarity measure, dan
lain-lain. Tanimoto coefficient similarity
memiliki nilai satu
jika
kedua barang memiliki kesamaan sepenuhnya dan nol
jika tidak ada
kesamaan antara kedua barang tersebut.
Rumus yang digunakan
adalah sebagai berikut:
T(a, b) =
Pada rumus tersebut, N merupakan jumlah atribut dari setiap
objek, yaitu a dan b. C merupakan intersection set.
Tanimoto
 |